近期在显著性检测方面的进展十分显著，这主要得益于卷积神经网络（CNNs）的迅猛发展。近年来开发的语义分割和显著性检测算法大多基于全卷积神经网络（FCNs）。然而，对于那些没有明确处理尺度空间问题的通用FCN模型，仍然有很大的改进空间。整体嵌套边缘检测器（HED）为边缘和边界检测提供了一种带有深度监督的跳层结构，但在显著性检测方面的性能提升并不明显。本文中，我们提出了一种新的显著性检测方法，通过在HED架构内的跳层结构中引入短连接来实现。我们的框架在每一层都提供了丰富的多尺度特征图，这是进行片段检测所必需的关键属性。我们的方法在5个广泛测试的显著目标检测基准上取得了最先进的结果，在效率（每张图像0.15秒）、有效性和简洁性方面优于现有算法。