RGBT 显著性目标检测：大规模数据集与基准
计算机视觉与模式识别
2022-05-24 v6
摘要
复杂场景与环境中的显著性目标检测是一个具有挑战性的研究课题。大多数工作聚焦于基于 RGB 的显著性目标检测，当面对暗环境、复杂背景等不利条件时，其在真实应用中的性能受限。利用 RGB 与热红外图像的优势近期成为复杂场景显著性目标检测的新研究方向，因为热红外光谱成像提供互补信息并已应用于许多计算机视觉任务。然而，当前 RGBT 显著性目标检测研究受限于缺乏大规模数据集与全面基准。本工作贡献了这样一个名为 VT5000 的 RGBT 图像数据集，包含 5000 对空间对齐的 RGBT 图像对及真值标注。VT5000 具有在不同场景与环境中收集的 11 项挑战，用于探索算法的鲁棒性。基于该数据集，我们提出一种强有力的基线方法，其在各模态内提取多级特征，并通过注意力机制聚合所有模态的这些特征，以实现准确的 RGBT 显著性目标检测。大量实验表明，所提基线方法在 VT5000 数据集及另外两个公开数据集上优于 SOTA 方法。此外，我们在 VT5000 数据集上对不同的 RGBT 显著性目标检测算法进行了全面分析，进而得出若干有价值的结论并为 RGBT 显著性目标检测提供了一些潜在研究方向。
引用
@article{arxiv.2007.03262,
title = {RGBT Salient Object Detection: A Large-scale Dataset and Benchmark},
author = {Zhengzheng Tu and Yan Ma and Zhun Li and Chenglong Li and Jieming Xu and Yongtao Liu},
journal= {arXiv preprint arXiv:2007.03262},
year = {2022}
}
备注
12 pages, 10 figures https://github.com/lz118/RGBT-Salient-Object-Detection