輪郭情報は顕著オブジェクト検出において重要な役割を果たす。しかし、既存の輪郭ベースモデルでは、輪郭と顕著性の融合が不十分なため、過剰な誤検出が生じている。本研究では、顕著オブジェクト検出におけるエッジ品質の向上を目的として、新たなネットワークを設計した。輪郭と顕著性間の情報交換を可能にする「輪郭-顕著性ブレンドモジュール」を提案した。さらに、総可学習パラメータ数を維持しつつ、輪郭-顕著性の融合を強化するため、再帰的CNN（recursive CNN）を採用した。また、前段階の中間的顕著性予測から最も有益な特徴を抽出できるよう、「段階的特徴抽出モジュール」を設計した。さらに、より良好な境界予測を実現するため、新たな損失関数として「二重制約損失（Dual Confinement Loss）」および「信頼度損失（Confidence Loss）」を提案した。5つの代表的なベンチマークデータセットにおける評価結果から、本モデルが競争力ある最先端の性能を達成していることが明らかになった。