如何充分利用各级卷积特征是当前显著性检测研究的关键问题。就此提出一种基于融合全部卷积层特征的全卷积神经网络显著性检测方法。首先, 将全部卷积特征映射到内部的多个尺度中, 在每个尺度上联合各级卷积特征预测显著图; 然后, 融合各尺度的显著图, 得到融合显著图; 最后, 通过全连接条件随机场平滑显著图和优化显著边界。实验结果表明, 该方法在ECSSD和SED2数据库上具有较高的准确率、召回率和较低的平均绝对误差, 可为目标识别、机器视觉等应用提供更可靠的预处理结果。