显著性模型能否检测异类目标？新数据集与评测

Iuliia Kotseruba; Calden Wloka; Amir Rasouli; John K. Tsotsos

显著性模型能否检测异类目标？新数据集与评测

计算机视觉与模式识别 2024-11-14 v3

作者: Iuliia Kotseruba , Calden Wloka , Amir Rasouli , John K. Tsotsos

摘要

显著性领域近期的进展集中于注视点预测，相关基准已趋于饱和。然而，心理学与神经科学中有大量文献描述了人类视觉注意的某些方面，可能未被当前方法充分捕捉。在此，我们研究单例检测，其可被视为显著性的一个典型示例。我们引入两个新颖数据集，一个包含心理物理图案，另一个包含自然异类刺激。通过这些数据集，我们借助大量实验表明，几乎所有显著性算法都无法对合成与自然图像中的单例目标作出充分响应。此外，我们研究了在最先进的基于 CNN 的显著性模型上以此类刺激进行训练的效果，并得出结论：额外的训练数据并未显著改善它们寻找异类目标的能力。数据集可在 http://data.nvision2.eecs.yorku.ca/P3O3/ 获取。

关键词

显著性模型单例检测异类目标心理物理图案基于 CNN 的显著性视觉注意

引用

@article{arxiv.2005.06583,
  title  = {Do Saliency Models Detect Odd-One-Out Targets? New Datasets and Evaluations},
  author = {Iuliia Kotseruba and Calden Wloka and Amir Rasouli and John K. Tsotsos},
  journal= {arXiv preprint arXiv:2005.06583},
  year   = {2024}
}

备注

Published in BMVC 2019. 14 pages, 5 figures

显著性模型能否检测异类目标？新数据集与评测

摘要

关键词

引用

备注

相关论文