摘要：圖像的顯著性檢測(cè)是將原始圖像簡(jiǎn)化為圖像中的顯著性區(qū)域標(biāo)注出來(lái),為圖像的分割、識(shí)別、縮放等后續(xù)的編輯處理提供了準(zhǔn)確的定位,在視頻目標(biāo)追蹤、人臉識(shí)別、軍事目標(biāo)抓捕等領(lǐng)域有廣泛的應(yīng)用前景。近年來(lái)大數(shù)據(jù)和深度學(xué)習(xí)的技術(shù)興起,卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像的顯著性目標(biāo)檢測(cè)表現(xiàn)出非常優(yōu)越的性能,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)的分類(lèi)與回歸,實(shí)現(xiàn)對(duì)圖像顯著性目標(biāo)的邊界信息更好的定位捕抓。文章概述了CNN的構(gòu)建技術(shù)以及應(yīng)用CNN實(shí)現(xiàn)圖像顯著性目標(biāo)檢測(cè)的幾種模型,并對(duì)這幾種模型進(jìn)行分析比較,針對(duì)現(xiàn)有模型特點(diǎn),探討了CNN實(shí)現(xiàn)圖像顯著性目標(biāo)檢測(cè)算法研究發(fā)展的趨勢(shì)。