多对象图像数据集建立及显著性检测算法评估.pdfVIP

Journal of Computer Applications ISSN 1∞1-9081 2015-09-10 计算机应用，2015， 35(9): 2624 -2628 , 2635 CODEN JYIIDU 文章编号:1 ∞1-9081(2015)09-2624-05 doi: 1O.11772/j. issn.l∞1-佣81. 2015. 阴.2624 多对象图像数据集建立及显著性检测算法评估 郑斌l ，牛玉负 l ， 2· ，柯玲玲l (1.福州大学数学与计算机科学学院，福州 350116; 2. 福建省网络计算与智能信息处理重点实验室(福州大学)，福州 350116) ( *通信作者电子邮箱yu劝阻niu@ 伊lail.∞m) 摘 要:图像视觉显著性检测算法在已有数据集上已经取得很好的结果，但是目前的多个数据集存在两个严重 的问题:首先，数据集中的图像以只包含一个显著对象的图像为主;其次，在建立显著对象标注结果的过程中，忽略了 用户对同一幅图像中包含的多个显著对象的不同认知。上述问题导致了在已有数据集上对显著性检测算法进行评 估，不能体现算法在实际应用中的真实效果。为此，提出体现用户认知的多显著对象图像标注方法，首先设计并实现 辅助软件，收集用户对各显著对象的重要程度的认知情况，包括显著区域与相应的重要程度;然后融合收集的多用户 数据，绘制出以灰皮图为表现形式的显著对象标注结果，并通过灰皮值体现多用户对于每个显著对象的认知情况。 基于改进的显著对象标注方法，建立了一个包含1α)() 幅多显著对象图像的数据集，并为每幅图像提供了体现用户认 知的显著对象标注结果。对 10 种具有代表性的显著性检测算法在已有数据集和建立的数据集上的性能进行了比较。 实验结果表明，这些显著性检测算法在建立的数据集上的性能有大幅度的降低，例如受试者工作特征曲线下面积 (ROC-AUC) 评估参数的最大降幅超过了 0.5 ，这证实了已有数据集存在的问题及建立新数据集的需求，同时指出显 著性检测算法在处理包含多显著对象的复杂图像上存在的不足。 关键词:视觉显著性检测;多对象图像;数据集;用户认知;算法评估 申图分类号: TP3 9 1. 4 文献标志码:A New multi-object image dataset construction and evaluation of visual saliency analysis algorithm 1 2 1 ZHENG Binl , NIU Yuzhen • , KE Lingìing ( 1. College 01 M.αthemat均 and Co叩uter Science, Fuzhou University, F四hou Fuj皿n 350116, China; 2. Fujian Key Labor.脚ry 01 Network Co叩ωing and lntelligent lnformation Processing ( F旧也ou University) , F础。， u Fujian 350116, China) Abstrac1: Image visual saliency analysis algorithms have achieved satisfactory performance on existing datasets, but these datasets have two