1.一种基于多策略和交叉特征融合的显著物体检测方法，其特征在于，包括以下步骤：
选取多幅数据集的rgb彩色图，depth深度图和groundtruth标签图，构成训练集；
构建卷积神经网络，所述卷积神经网络采用自顶向下的高级特征监督低级特征融合的方式；
将所述训练集输入到所述卷积神经网络，对所述卷积神经网络训练；
多次训练，得到卷积神经网络模型。
2.根据权利要求1所述的一种基于多策略和交叉特征融合的显著物体检测方法，其特征在于，所述卷积神经网络引入深度优化模块提高图像质量，将多策略融合模块得到的特征图经交叉融合模块的交叉融合，捕获联合特征。
3.根据权利要求2所述的一种基于多策略和交叉特征融合的显著物体检测方法，其特征在于，所述深度优化模块的结构如下：
第一个最大池化层，第一个卷积块，第一个激活层，第二个卷积块和第二个激活层依次连接后与所述第一个最大池化层做像素相乘后输入到第二个最大池化层，所述第二个最大池化层后依次连接有第三个卷积块和第三个激活层，所述第三个激活层的输出与所述第二个最大池化层做像素相乘后输入到第三个最大池化层，所述第三个最大池化层的输出与所述第一个最大池化层的输出做像素相加作为最终输出。
4.根据权利要求2所述的一种基于多策略和交叉特征融合的显著物体检测方法，其特征在于，所述多策略融合模块对深度特征和rgb特征分别做像素相减，像素相加，像素相乘操作，并在通道维度上取平均值和最大值；将像素相减，像素相加，像素相乘操作以及通道维度上的平均值和最大值做像素相加作为第一输出；上一层融合特征经上采样后与所述第一输出做像素相加作为最终输出。
5.根据权利要求2所述的一种基于多策略和交叉特征融合的显著物体检测方法，其特征在于，所述交叉融合模块的结构如下：
第二输入