Diese Arbeit stellt ein schnelles Modell zur Erkennung auffälliger Objekte in Videos vor, basierend auf einer neuartigen rekurrenten Netzarchitektur namens Pyramid Dilated Bidirectional ConvLSTM (PDB-ConvLSTM). Zunächst wird ein Pyramid Dilated Convolution (PDC)-Modul entworfen, um räumliche Merkmale auf mehreren Skalen gleichzeitig zu extrahieren. Diese räumlichen Merkmale werden anschließend zusammengefügt und in eine erweiterte tiefere bidirektionale ConvLSTM (DB-ConvLSTM) eingespeist, um spatiotemporale Informationen zu lernen. Forward- und Rückwärts-ConvLSTM-Einheiten sind in zwei Schichten angeordnet und kaskadenartig miteinander verbunden, wodurch der Informationsfluss zwischen den bidirektionalen Strömen gefördert und eine tiefere Merkmalsextraktion ermöglicht wird. Zusätzlich wird die DB-ConvLSTM durch eine PDC-ähnliche Struktur erweitert, indem mehrere dilatierte DB-ConvLSTMs eingesetzt werden, um multiskalare spatiotemporale Informationen zu erfassen. Umfangreiche experimentelle Ergebnisse zeigen, dass unser Ansatz die vorherigen Modelle zur Video-Saliency-Erkennung mit großem Abstand übertrifft und dabei eine Echtzeitgeschwindigkeit von 20 fps auf einer einzigen GPU erreicht. Anhand der Anwendungsaufgabe der unsupervisierten Video-Objektsegmentierung (mit einer CRF-basierten Nachbearbeitung) erzielt das vorgeschlagene Modell state-of-the-art Ergebnisse auf zwei etablierten Benchmarks und demonstriert damit seine herausragende Leistungsfähigkeit und hohe Anwendbarkeit.