视觉显著性检测旨在检测出给定图像中人类感兴趣的目标区域,被广泛应用于图像理解、图像检索等领域。随着深度学习的发展,如何设计有效的模型以及损失函数成为显著性检测研究的关键问题。本文关注于RGB和RGB-D两种模态下的显著性检测,分别提出了两种模型。在多个数据集上的定量和定性实验验证了这两种算法的有效性。针对当前图像显著性检测存在的若干问题,如简单的特征融合方式,本文提出了全局上下文感知的渐进聚合网络(GCPANet)。首先,考虑到不同层次特征的特性,本文设计了一种简单而有效的方式即FIA(Feature Interweave Aggregation)来聚合低层次、高层次的特征和全局上下文信息;在解码器阶段,通过并行的方式引入全局上下文信息,以期通过捕获不同显著性区域之间的关系来提升显著性物体的完整性和减缓特征稀释的影响。在6个数据集上的实验结果表明,该方法优于当前的12种先进算法。此外,我们注意到,仅依靠单一模态即RGB图像信息进行显著性检测会受到如表观相似的干扰。因此,引入深度信息辅助RGB信息成为本文的下一个研究点。关注RGB-D的显著性检测,本文提出了深度潜力感知的门控注意力网络(DPANet),旨在解决两个问题,即如何避免不可靠深度图的污染和如何有效地融合RGB信息和深度信息。针对不可靠深度图的污染,本文首次显式地建模了显著性检测导向的深度潜力感知,以评估深度图的潜力和削弱污染。为了高效地聚合RGB信息和深度信息,本文利用门控单元和注意力机制设计了GMA(Gated Multi-modality Attention)模块,以跨模态的视角捕获空间上长距离的依赖。GMA模块旨在增强特征对显著性区域的响应,同时自适应地调节跨模态信息的融合比例。最后,通过多尺度特征融合和多模态特征融合来产生具有判别力的特征和最后的显著性预测图。在不借助预处理技术如HHA或后处理技术如CRF的情况下,该算法在8个数据上的性能超过当前的15种先进算法。