互联网科技的进步引发了信息量的急剧增长,互联网图像信息作为其中的重要组成部分,蕴含着丰富的视觉和语义信息。计算机视觉领域的发展能够提升计算机处理图像信息的性能,可以对图像进行更加高效的识别和检测。而显著性检测作为计算机视觉领域的重要分支,其发展对于目标检测、语义分割、无人驾驶等领域都有着重要的研究意义。在图像显著性检测领域,多数方法采用视觉信息作为图像特征,忽略了图像中的语义信息,而语义信息可以让计算机更好地理解图像信息并增强检测效果。针对此不足,本文将图像的标签语义信息作为除视觉特征之外的语义特征,将视觉特征与语义特征相结合,达到丰富图像特征表达、增强图像中显著区域检测效果的作用。同时针对现有的公共数据集中背景简单、类型匮乏的问题,构建了基于标签语义的图像数据集。本文的主要贡献如下:第一,构建了基于标签语义的显著性检测数据集。面向轨道交通领域的应用场景,在公共轨道交通的视频及互联网中收集了 2282张图像,对图像进行了二值图标注和语义标签标注。针对收集到的图像样本不均衡的问题,采用生成对抗网络模型对图像数量进行扩充,为基于标签语义的显著性检测算法设计带来了研究价值。第二,设计了基于卷积神经网络的显著性检测模型。考虑到显著性检测为像素级检测任务,卷积神经网络的深层网络虽然有较高的特征判别性,但经过多次卷积及池化操作后,会丢失一定量的空间像素信息,影响显著性检测的输出结果。本文针对这一问题对卷积神经网络进行优化,将浅层特征与深层卷积特征相融合,并设计了三种不同的网络模型进行对比,通过实验得出了适合本文显著性检测任务的最优结构。第三,提出了基于标签语义信息的显著性检测模型。应用类激活映射方法对图像的显著区域进行检测,并在第二个研究工作的基础上,通过基于CRF的融合方法对视觉特征图和语义特征图进行融合,优化输出的显著图。同时,在公共数据集及构建的数据集上与现有的9种方法对比,实验结果表明本文方法在3种评价指标中检测效果更好。