20、视觉显著性模型训练中消除标签歧义的实验研究

视觉显著性模型训练中消除标签歧义的实验研究

1. 实验数据集

为评估所提出方法的性能，使用了两个公开图像数据集进行实验。
- MSRA 数据集 ：这是一个区域显著性数据集，包含 5000 张具有明显显著对象和“干净”背景区域的图像。对于每张图像，有多个高度一致的矩形覆盖整个显著对象。此外，从该数据集中选取了 1000 张图像，为每个显著对象手动生成了精确轮廓。在实验中，使用这 1000 张带有精确对象掩码的图像进行训练和测试，随机选择 900 张带有标记矩形的图像作为训练子集，其余 100 张作为测试子集。不同主体提供的矩形高度一致，主体间的 ROC 可达 0.97。在训练子集中，只要图像块被任何主体标记为正样本，就将其视为正训练样本。
- MIT 数据集 ：这是一个由 Judd 等人提供的眼动注视数据集，包含 1003 张内容丰富的图像。对于每张图像，使用眼动追踪设备生成注视密度图来描绘显著对象的分布。选取 903 张图像构建训练子集，其余 100 张作为测试子集。在训练子集中，只要任何主体的眼动注视落在图像块上，就将其视为正训练样本。

2. 实验设置

在这两个数据集上进行了三个实验。

2.1 与基线方法比较

将所提出的方法与几个基线方法在 MSRA 数据集上进行比较，主要目的是展示所提出方法各组件的有效性，如在多实例学习框架中使用代表性样本和训练排序模型。基线方法包括：
- SVM - AP ：使用通过亲和传播生成的代表性样本训练典型的 SVM 分类模型。
-