91、显著性检测的实验分析

显著性检测的实验分析

在计算机视觉领域，显著性检测是一个重要的研究方向，它旨在识别图像或视频中最引人注目的部分。本文将对显著性检测进行实验分析，探讨不同显著性水平下的算法性能，并介绍相关的数据集和实验设置。

1. 显著性水平

我们主要关注三个显著性水平，它们与三种不同的任务密切相关：
- 视觉注意力建模（VAM） ：指显著性图预测人眼注视点的能力。此水平与前注意阶段相关，基于特征与周围环境的关系，以自下而上的方式选择最具特色的空间位置。为了评估这种能力，将显著性图与通过跟踪观看刺激的多个受试者的眼动获得的眼动注视点图进行比较。
- 显著目标检测（SOD） ：指显著性图检测场景中显著目标的能力。该任务通常涉及前注意阶段（如局部特征的独特性）和注意阶段（如关于目标特征的先验知识）的一些线索。针对显著目标检测的算法，最好使用带有边界框注释的数据集进行评估，这些边界框标注了每个刺激中目标的位置。
- 显著目标分割（SOS） ：指显著性图检测和分割场景中显著目标的能力。同样，这里通常涉及自下而上和自上而下水平的整合。显著目标分割算法的性能通常使用包含逐像素目标掩码的数据集进行评估。

显著性水平	任务描述	评估用数据集类型
VAM	预测人眼注视点	眼动注视点图