最近の注目領域検出における進展は著しく、主に畳み込みニューラルネットワーク（CNNs）の急速な発展により恩恵を受けている。最近開発されたセマンティックセグメンテーションと注目領域検出アルゴリズムは、大部分が完全畳み込みニューラルネットワーク（FCNs）に基づいている。しかし、スケール空間問題を明示的に扱っていない一般的なFCNモデルにはまだ大幅な改善の余地がある。全体的にネストされたエッジ検出器（HED）は、エッジと境界線検出のために深層監督付きスキップ層構造を提供しているが、HEDの注目度検出における性能向上は明確ではない。本論文では、HEDアーキテクチャ内のスキップ層構造にショートコネクションを導入することで、新たな注目度検出方法を提案する。我々のフレームワークは各層で豊富な多スケール特徴マップを提供し、これはセグメント検出を行う上で極めて重要な性質である。我々の方法は5つの広く使用されている注目物体検出ベンチマークにおいて最先端の結果を達成しており、既存のアルゴリズムに対して効率性（画像1枚あたり0.15秒）、有効性、そして簡素さという点で優れている。