最近的显着性检测方法在全卷积网络中取得了长足的进步。 但是，我们发现显着性图通常是粗糙且模糊的，尤其是在显着对象的边界附近。 为了解决这个问题，在本文中，我们利用多路径特征融合模型进行显着性检测。 所提出的模型是一个完全卷积的网络，其中原始图像作为输入，而显着图作为输出。 特别是，我们提出了一种多路径融合策略来推导显着物体的内在特征。 该结构具有捕获低级视觉特征并生成保留边界的显着性图的能力。 此外，在我们的模型中提出了一个耦合结构模块，这有助于探索显着对象的高级语义属性。 在四个公共基准上进行的大量实验表明，我们的显着性模型有效且优于最新方法。
