本文介绍了一种名为DOC的深度网络架构，能够在单幅图像中检测物体边界并估计遮挡关系。研究利用深度卷积神经网络定位语义部件，展示了在现实图像中的优越性能，并提出了多种基于学习的方法，改进了遮挡区域和深度估计的精度，推动了点云处理和面部数据集的研究进展。

本文介绍了一种新颖的基于卷积的概率梯度（CPG）损失方法，通过计算图像中像素强度的梯度来提高网络性能。同时，通过提取物体边界并应用CPG损失于边界像素，增强了物体边界附近的准确性。实验结果表明，CPG损失提高了平均交并比。