評價指標：采用了五個指標來定量評估玻璃檢測性能。 前兩個指標是 IoU和像素精度（PA） ，還從顯著物體檢測中采用 F度量和平均絕對誤差（MAE）度量 。 最后一個指標是 平衡錯誤率（BER） ，它是陰影檢測領域中的標準指標，與前三個指標不同，對于MAE和BER，其值越低，檢測結果越好。
本文從兩個方面解決了玻璃檢測問題。 首先，構建了一個 大規模的玻璃檢測數據集（GDD） ，該數據集包含3,916張帶有玻璃和相應玻璃掩模的高質量圖像，涵蓋了各種日常生活場景。 其次，提出了一個 玻璃檢測網絡（GDNet） ，其中嵌入了多個大范圍上下文特征集成（LCFI）模塊，以從一個大的感受野中采集大量的低層和高層上下文，以進行準確檢測不同場景中的不同大小的玻璃杯。
所構建的玻璃檢測數據集GDD涵蓋了各種日常生活場景（例如，浴室，辦公室，街道和購物中心） ，其中從室內場景拍攝了2827張圖像，而從室外場景拍攝了1089張圖像。 圖2顯示了GDD中的一些示例玻璃和玻璃mask圖像。
