La détection d'objets saillants (SOD) a récemment attiré beaucoup d'attention, mais elle a été moins étudiée pour les images à haute résolution (HR). Malheureusement, les images HR et leurs annotations au niveau des pixels sont certainement plus laborieuses et chronophages que les images à basse résolution (LR) et leurs annotations. Nous proposons donc un cadre de travail SOD basé sur une pyramide d'images, le réseau de reconstruction inverse de la pyramide de saillance (InSPyReNet), pour prédire des images HR sans utiliser aucune base de données HR. Nous avons conçu l'InSPyReNet pour produire une structure pyramidale stricte de carte de saillance, ce qui permet d'assembler plusieurs résultats grâce à un mélange d'images basé sur la pyramide. Pour la prédiction HR, nous avons élaboré une méthode de mélange pyramidal qui synthétise deux pyramides d'images différentes à partir d'une paire d'échelles LR et HR issues de la même image, afin de surmonter la disparité du champ récepteur effectif (ERF). Nos évaluations approfondies sur des benchmarks publics SOD en LR et en HR montrent que l'InSPyReNet dépasse les méthodes State-of-the-Art (SotA) sur diverses métriques SOD et l'exactitude des contours.