网络图像中显著物体的分布及其对显著物体检测的影响

显然，高斯中心偏置可作为视觉显著性检测的重要先验，这已在预测人眼注视点和显著物体检测中得到证明。Tseng 等人已表明，摄影者将有趣物体置于中心的倾向是注视点中心偏置的可能成因。我们研究了摄影者中心偏置对显著物体检测的影响，扩展了我们先前的工作。我们表明，Achanta 和 Liu 数据集中照片的显著物体质心位置实际上与高斯模型强相关。这是一个重要见解，因为它为在显著物体检测算法中集成此类中心偏置提供了经验动机与依据，并有助于理解高斯模型为何如此有效。为评估中心偏置对显著物体检测的影响，我们将显式高斯中心偏置模型集成到两种最先进的显著物体检测算法中。由此，首先，我们量化了高斯中心偏置对基于像素和基于片段的显著物体检测的影响。其次，我们在 Achanta 和 Liu 的知名数据集上提升了 F1 分数、Fb 分数、查准率-查全率曲线下面积、受试者工作特征曲线下面积以及命中率方面的性能。第三，通过对 Cheng 等人的区域对比模型去偏置，我们举例说明隐式中心偏置部分负责最先进算法的优异性能。最后但同样重要的是，作为对 Cheng 等人算法去偏置的结果，我们引入了一种无偏置的显著物体检测方法，该方法对于图像数据不太可能具有摄影者中心偏置的应用（例如监控摄像头或自主机器人的图像数据）具有意义。