显著性检测数据集之——显著物体检测

本文收集的显著性检测数据集包含两个部分：人眼关注点预测数据集（fixation prediction datasets）和显著物体检测数据集（salient object detection datasets）。

2.salient object detection datasets:

(1) MSRA10K数据集
2007年, 西安交通大学与微软亚洲研究院的Liu等人提出了第1篇显著物体检测的论文, 同时也提出了第1个显著物体检测数据集, 但是该数据集只提供了物体边界框这一级别的显著性真值标定.之后, Cheng等人对该数据集中的10 000张数据进行了像素级的标定, 这一重标定的数据集被称为MSRA10K数据集, 是目前显著物体检测领域最常用的数据集之一(主要作为深度显著物体检测模型的训练样本)。

下图第一行使用MSRA数据集中的Ground truth矩形原始图像，第二行MSRA10K数据集的Ground truth，它在像素级精度上更精确地标记了重要区域。带有标记边界框的数据库对于细粒度评估来说太粗糙了。具有像素级显著标记的图像，便于进行更广泛和准确的评估。
具体数据集介绍和下载请点击这里

(2) ASD数据集
ASD数据集是最早使用的显著物体检测数据集之一, 由洛桑联邦理工学院的Achanta等人在2009年建立.该数据集包含了Liu等人建立的数据集中的1 000张图像, Achanta等人对这1 000张图像进行了像素级的显著物体真值标定, 该数据集也常被称为MSRA1000。

(3) ECSSD数据集
ECSSD数据集[55]由香港中文大学的Yan等人于2013年建立, 包含了1 000张图像, 这些图像由互联网得到. 该数据集是由复杂场景显著性数据集(CSSD)扩展的,显著物体包含较复杂的结构, 且背景具备一定的复杂性.
论文：《Hierarchical Image Saliency Detection on Extended CSSD》
5名志愿者被要求分别标突出物体，将5个标签的二值mask进行平均，并将阈值设置为0.5,即最终结果由多数票选出，则得出ground truth mask. 原图和Ground Truth如下图所示。

(4) PSCAL-S数据集
PASCAL-S数据集2014年由乔治亚理工学院的Li等人建立.该数据集使用了PASCAL VOC 2010数据集的验证集的850张图像.Li等人根据该数据集上的眼动数据.对该数据集中每张图像的显著物体进行了标定.该数据集与其他显著物体检测数据集区别较大, 没有非常明显的显著物体, 并主要根据人类的眼动数据集进行标注, 因此该数据集难度较大.同上！

(5) DUT-OMRON数据集
DUT-OMRON数据集由大连理工的Yang等人于2013年建立, 包含了5 172张图像, 每张图像提供了5名观测者的眼动数据.该数据集的主要任务是显著物体检测, 但也提供了眼动数据集, 同时也包括了物体的标定框.该数据集每张图像由5人标注完成.
论文：《Saliency Detection via Graph-Based Manifold Ranking》
提出的DUT-OMRON数据集，其中包含5个用户的5,172个精心标记的图像。

(6) HKU-IS数据集
HKU-IS数据集由香港大学的Li等人于2015年建立, 包含了4 447张图像和相应的像素级显著物体真值标定.该数据集的每张图像至少满足以下的3个标准之一:1)含有多个分散的显著物体; 2)至少有1个显著物体在图像边界; 3)显著物体与背景表观相似.
论文：《Visual Saliency Based on Multiscale Deep Features》
要求三个人分别使用一个自定义设计的交互式分割工具在所有7320幅图像中标注突出的物体。平均每个人花1-2分钟来注释一张图片。注释阶段历时三个多月。排除了标签一致性C < 0.9的图片，保留了4447张图片。

参考文献：
[1]Shi J , Yan Q , Xu L , et al. Hierarchical Image Saliency Detection on Extended CSSD[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016.
[2]Yang C , Zhang L , Lu H , et al. Saliency Detection via Graph-Based Manifold Ranking[C]// Computer Vision & Pattern Recognition. IEEE, 2013.
[3]Li G , Yu Y . Visual Saliency Based on Multiscale Deep Features[J]. 2015:5455-5463.

有错误欢迎指出(* ^ _ ^ *),不喜勿喷~

显著性检测数据集之——显著物体检测相关推荐

63万张！旷视发布最大物体检测数据集Objects365，物体检测竞赛登陆CVPR
郭一璞发自北京会议中心量子位报道 | 公众号 QbitAI 比ImageNet大的图像数据集来了. 在4月16日的智源学者计划启动暨联合实验室发布会上,旷视科技发布了通用物体检测数据集Obj ...
夜间（低光照）目标检测数据集整理：人脸检测，行人检测
1.夜间(低光照)人脸检测的数据集 DARK FACE: Face Detection in Low Light Condition 提供了6000幅真实世界的低光图像,在夜间捕获,在教学楼.街道.桥 ...
分享 | 物体检测和数据集
因为最近学习任务比较紧(但也不妨碍元旦摆烂三天),所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看.物体检测和数据集这一节花了有一天的时间,一直有一个bug困扰,后来改了代码把bo ...
干货 | 算法工程师入门第三期——黄李超讲物体检测
本次分享主要针对一些对深度学习和物体检测感兴趣的同学.内容主要包括: 第一,什么是物体检测,如何去评价一个物体里系统的好坏. 第二,物体检测整个的框架是怎么样的?它一般包含了图像的分类和物体检测的定位 ...
报名 | “智见AI”SpringCamp：物体检测与深度神经网络模型设计
AI未来的路在哪里?有的先行者早已智见!扫描下文中的二维码或点击阅读原文,即可参与本次"智见AI"SpringCamp--计算机视觉之物体检测与深度神经网络模型设计专场,与大咖一同 ...
物体检测的过去、现在和未来
本报告分为4个部分,物体检测的简介.物体检测的过去.现在以及未来,每个部分都从学术和工业两种角度进行分析介绍. 上图简单描述了物体检测的发展历程时间轴.2012年深度学习热潮兴起,接着2013年有学者 ...
深度学习二(Pytorch物体检测实战)
深度学习二(Pytorch物体检测实战) 文章目录深度学习二(Pytorch物体检测实战) 1.PyTorch基础 1.1.基本数据结构:Tensor 1.1.1.Tensor数据类型 1.1.2. ...
AI学习笔记（十二）物体检测（上）
AI学习笔记之物体检测(上) 物体检测简介常见检测网络 IOU TP.TN.FP.FN precision(精确度)和recall(召回率) 边框回归边框回归具体方法 Selective Sear ...
《深度学习之PyTorch物体检测实战》—读书笔记
随书代码物体检测与PyTorch 深度学习为了赋予计算机以人类的理解能力与逻辑思维,诞生了人工智能(Artificial Intelligence, AI)这一学科.在实现人工智能的众多算法中,机 ...

显著性检测数据集之——显著物体检测

2.salient object detection datasets:

显著性检测数据集之——显著物体检测相关推荐

最新文章

热门文章