面向社交媒体图像的显著性数据集

• 作者: 于剑 梁晔 郎丛妍 马楠
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 数据集 显著性 社交媒体图像 标签
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图形图像处理与模式识别
• 页码范围: 135-140
• 页数: 6页
• 分类号: TP391.9
• 字数: 4328字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.05.019

摘要

随着显著性研究的发展,已涌现多个显著性数据集,然而目前面向社交媒体图像的显著性数据集数量非常少.为此构建此类显著性数据集,详细论述了数据集的图像来源、图像的筛选原则、图像的标注及数据集的统计分析.为了验证新建数据集的性能,与目前流行的7个显著性数据集进行性能评测,新建数据集具有显著区域尺寸丰富、与图像边界连接度高、显著区域与图像的颜色差异小的优点.实验结果表明:新建数据集中显著区域与图像边界连接的比例为17％,仅低于ECSSD数据集;其中显著区域和整幅图像的颜色差均值最小,且包含10个尺寸等级的显著区域,尺寸分布最广泛.此外,新建数据集具有标签信息,也为新的显著区域提取方法提供了实验对象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马楠	北京联合大学机器人学院	37	298	12.0	16.0
2	于剑	北京交通大学计算机与信息技术学院	68	1099	12.0	32.0
3	梁晔	北京联合大学机器人学院	30	142	7.0	11.0
5	郎丛妍	北京交通大学计算机与信息技术学院	11	74	5.0	8.0