Le principal objectif de la détection d'objets saillants à partir de données RGB-D (SOD) consiste à intégrer et exploiter efficacement les informations de fusion entre modalités. Dans cet article, nous abordons ces problèmes sous un nouvel angle. Nous combinons les caractéristiques provenant de différentes modalités à l’aide de structures à connexion dense, puis utilisons ces caractéristiques mixtes pour générer des filtres dynamiques dotés de champs réceptifs de tailles variées. En fin de compte, nous proposons un module de traitement des caractéristiques multi-échelle à fusion cross-modale plus flexible et efficace, nommé module de pyramide à dilatation dynamique. Afin de produire des prédictions présentant des contours plus nets et des régions saillantes cohérentes, nous concevons une fonction de perte hybride améliorée pour optimiser davantage les résultats. Cette fonction de perte s'est également révélée efficace dans le cadre de tâches de détection saillante monomodale RGB. Sur six métriques, la méthode proposée surpassent les douze méthodes existantes sur huit jeux de données de référence exigeants. Un grand nombre d'expériences confirment l'efficacité du module et de la fonction de perte proposés. Le code, le modèle et les résultats sont disponibles à l’adresse suivante : \url{https://github.com/lartpang/HDFNet}.