El resultado de detección de los métodos actuales de detección de objetos salientes de campo de luz sufre de pérdida de detalles de borde, lo cual limita significativamente el rendimiento de tareas de visión por computadora subsecuentes. Para resolver este problema, proponemos una nueva red neuronal convolucional para detectar con precisión objetos salientes, extrayendo información de borde efectiva de datos de campo de luz. En particular, nuestro método se divide en cuatro pasos. En primer lugar, la red extrae características de saliencia de varios niveles de los datos de campo de luz. En segundo lugar, se extraen características de borde de las características de saliencia de bajo nivel y se optimizan mediante guía de verdad terrenal. Luego, para aprovechar suficientemente las características de saliencia de alto nivel y las características de borde, la red las fusiona jerárquicamente de manera complementaria. Finalmente, se consideran correlaciones espaciales entre diferentes niveles de características fusionadas para detectar objetos salientes. Nuestro método puede localizar con precisión objetos salientes con detalles de borde exquisitos, extrayendo información de borde clara e información de saliencia precisa y fusionándolas completamente. Realizamos extensas evaluaciones en tres conjuntos de datos de referencia ampliamente utilizados. Los resultados experimentales demuestran la efectividad de nuestro método, y es superior a ocho métodos de última generación.