显著性目标检测旨在确定自然场景中最能吸引人们注意力的目标区域。相比高层的图像理解算法,如目标检测、目标跟踪、图像检索,显著性目标检测属于底层的图像处理方法,可以利用其结果提升其他图像算法的速度和精度。根据显著性算法的输入数据不同,显著性目标检测可以分为图像显著性目标检测和视频显著性目标检测。相比图像显著性,视频显著性需要同时考虑单帧图像的空间特性和视频序列的时序特性,其计算复杂,挑战性高。本文的研究重点即为视频显著性目标检测。最近几年,基于深度学习的方法已成为各种视觉任务的研究热点。然而,现阶段基于深度学习的视频显著性检测仍存在以下难点:1)训练数据不足。深度网络是数据驱动的模型,需要使用大量的标记样本来完成网络训练。在视频显著性检测中,训练数据需要连续且像素级标定。然而,获取这样的标定数据困难。2)缺少鲁棒性高的时序特征。视频显著性不仅需要提取静态特征,而且需要考虑更为复杂的时序特征。传统的深度结构很难获取鲁棒的时序特征。3)空间信息与时间信息之间的相关性探索不足。现有方法对所提取的深度空间与时间特征多采用直接加权的方式融合,没有对两者之间的相关性进行深入探讨。本文针对上述三个问题展开研究,提出新颖的深度网络结构,逐渐地提升视频显著性目标检测方法的性能与效率。本文主要的研究内容可以概括如下:1)提出了基于弱监督学习的深度级联显著性检测网络。针对训练数据不足,提出基于弱监督学习的方法,在网络训练的过程中产生大量的弱标签,利用这些弱标签完成网络的训练。此外,提出了一个新型的级联深度网络,其结构包括两个深度子网,子网一生成静态先验,它与光流生成的运动先验融合成时空先验,子网二由该时空先验引导学习时空特征,从而生成准确率较高的显著图。2)提出了基于双流子网的视频显著性检测方法。该双流子网采用并行模式,采用两个子网分别提取视频的空间特征和时间特征。这些时空特征采用不同的时序结构予以精炼。在网络的后端,利用一个注意力模块,通过学习空间与时间特征之间的相关性实现特征的融合,生成鲁棒的融合时空特征。3)提出了帧间时空特征增强的视频显著性检测网络,以解决连续视频序列中存在显著目标消失的现象。帧间时空特征增强网络主要利用帧间特征聚合和历史显著图监督来提升当前帧的特征值,增强时空特征的鲁棒性。为进一步探索时间特征与空间特征之间的相互关系,提出了一个互相关注意力模型,用以自动学习时空特征的权重,从而实现时空特征的智能融合。该方法能进一步提升视频显著性检测的准确率与算法效率。4)提出了基于时空蒸馏的快速轻量级视频显著性检测方法。该方法一方面采用多尺度特征编码与空域蒸馏精炼深度网络的空间特征,另一方面采用帧间特征嵌入的时域蒸馏使网络获得鲁棒的时序特征。由于没有引入任何的时序特征提取结构,例如光流模块、循环结构体,提出的轻量级网络既可保证网络的性能,又能大幅地提升网络的处理效率。