首站-论文投稿智能助手
典型文献
MTMS300:面向显著物体检测的多目标多尺度基准数据集
文献摘要:
目的 在显著物体检测算法发展过程中,基准数据集发挥了重要作用.然而,现有基准数据集普遍存在数据集偏差,难以充分体现不同算法的性能,不能完全反映某些典型应用的技术特点.针对这一问题,本文对基准数据集的偏差和统计特性展开定量分析,提出针对特定任务的新基准数据集.方法 首先,讨论设计和评价数据集时常用的度量指标;然后,定量分析基准数据集的统计学差异,设计新的基准数据集MTMS300(multiple targets and multiple scales);接着,使用基准数据集对典型视觉显著性算法展开性能评估;最后,从公开基准数据集中找出对多数非深度学习算法而言都较为困难(指标得分低)的图像,构成另一个基准数据集DSC(difficult scenes in common).结果 采用平均注释图、超像素数目等6种度量指标对11个基准数据集进行定量分析,MTMS300数据集具有中心偏差小、目标面积比分布均衡、图像分辨率多样和目标数量较多等特点,DSC数据集具有前景/背景差异小、超像素数量多和图像熵值高的特点.使用11个基准数据集对18种视觉显著性算法进行定量评估,揭示了算法得分和数据集复杂度之间的相关性,并在MTMS300数据集上发现了现有算法的不足.结论 提出的两个基准数据集具有不同的特点,有助于更为全面地评估视觉显著性算法,推动视觉显著性算法向特定任务方向发展.
文献关键词:
视觉显著性;显著物体检测;基准数据集;多目标;多尺度;小目标
作者姓名:
李楚为;张志龙;李树新
作者机构:
国防科技大学电子科学学院自动目标识别重点实验室,长沙 410073;国防科技大学信息通信学院,西安 710106
引用格式:
[1]李楚为;张志龙;李树新-.MTMS300:面向显著物体检测的多目标多尺度基准数据集)[J].中国图象图形学报,2022(04):1039-1055
A类:
MTMS300,显著物体检测
B类:
目标多尺度,基准数据集,检测算法,典型应用,统计特性,设计和评价,评价数据,度量指标,统计学差异,multiple,targets,scales,视觉显著性,显著性算法,算法展开,展开性能,性能评估,深度学习算法,DSC,difficult,scenes,common,超像素,像素数,中心偏差,面积比,图像分辨率,和图像,图像熵,定量评估,法向,小目标
AB值:
0.250604
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。