Matlab显著性检测模型性能度量之NSS

本文介绍了一种用于评估视觉显著性地图预测准确性的量化指标——规范化扫描路径显著性(NSS)。该指标通过比较模型产生的显著性地图与人类注视点的真实分布来衡量模型的有效性。具体步骤包括将注视点地图二值化、对模型生成的地图进行标准化处理，并计算标准化地图中与注视点相对应位置的平均响应值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

% created: Zoya Bylinskii, Aug 2014

% This finds the normalized scanpath saliency between two different 
% saliency maps as the mean value of the normalized saliency map at 
% fixation locations.

function score = NSS(saliencyMap, fixationMap)
% saliencyMap is the saliency map
% fixationMap is the human fixation map (binary matrix)  % 二值图
map = double(imresize(saliencyMap,size(fixationMap)));

% normalize saliency map  //经过处理的数据符合标准正态分布，即均值为0，标准差为1
map = (map - mean(map(:)))/std(map(:)); 

% mean value at fixation locations
score = mean(map(logical(fixationMap))); 
% 比如map(i,j)== 0.4,fixationMap(i,j) == 1，则这个点保存下来，保存所有类似的map上点，求均值
% 模型越好，map(i,j)值越趋向于1

关键代码：

score = mean(map(logical(fixationMap)));

map即为saliency map,

fixationMap即为ground truth

原文：NSS is the average of the response values at human eye positions in a model’s saliency map (S) that has been normalized to have zero mean and unit standard deviation。

一句话，模型在真实正类上的平均反应，即为NSS

拆开分析：1）先将ground truth map二值化；2）模型得到的显著图归一化为0均值，标准差为1；3）将显著图中对应于ground truth map上值为1的所有显著值的平均值，即为NSS值，也可以saliency map和ground truth map点乘相加求均值，即为NSS值。