MTMS300:面向显著物体检测的多目标多尺度基准数据集

• 作者: 李楚为 张志龙 李树新
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 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
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 数据集论文|Dataset
• 页码范围: 1039-1055
• 页数: 17页
• 分类号: TP301.6
• 语种: 中文

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.