La détection d'objets co-saliants, qui vise à détecter les objets co-saliants présents dans un ensemble d'images, gagne en popularité. Les travaux récents utilisent le mécanisme d'attention ou des informations supplémentaires pour agréger des caractéristiques co-salientes communes, ce qui peut entraîner des réponses incomplètes voire incorrectes pour les objets cibles. Dans cet article, nous visons à extraire des caractéristiques co-salientes complètes de manière démocratique et à réduire l'interférence du fond sans introduire aucune information supplémentaire. Pour y parvenir, nous concevons un module de génération de prototypes démocratiques afin de créer des cartes de réponse démocratiques, couvrant des régions co-salientes suffisantes et impliquant ainsi davantage d'attributs partagés des objets co-salients. Ensuite, une carte de prototype complète basée sur ces cartes de réponse peut être générée comme guide pour la prédiction finale. Pour atténuer les informations bruyantes du fond dans le prototype, nous proposons un module d'apprentissage auto-contrasteur où les paires positives et négatives sont formées sans dépendre d'informations de classification supplémentaires. De plus, nous avons conçu un module d'amélioration des caractéristiques démocratiques pour renforcer davantage les caractéristiques co-salientes en ajustant les valeurs d'attention. Des expériences approfondies montrent que notre modèle obtient de meilleures performances que les méthodes précédentes de pointe, notamment dans des cas réels difficiles (par exemple, pour CoCA, nous obtenons une amélioration de 2,0 % pour l'erreur absolue moyenne (MAE), 5,4 % pour la mesure F maximale, 2,3 % pour la mesure E maximale et 3,7 % pour la mesure S) sous les mêmes conditions. Le code sera bientôt mis à disposition.