显著目标检测：一个基准
计算机视觉与模式识别
2018-03-02 v2
摘要
为了对显著目标检测与分割方法进行基准测试，我们在 6 个具挑战性的数据集上，从定性与定量两方面广泛比较了 40 个最先进模型（28 个显著目标检测、10 个注视点预测、1 个对象性、1 个基线）。从迄今所得结果看，我们的评测显示出过去几年间在准确率和运行时间上持续快速的进展。本基准中的顶尖竞争者显著优于仅两年前进行的上一基准中被认定最佳的模型。我们发现专为显著目标检测设计的模型通常优于密切相关领域的模型，这反过来给出了该问题的精确定义，并提示了区别于其他问题的恰当处理方式。特别地，我们分析了中心偏置与场景复杂度对模型性能的影响，这些与最先进模型的困难案例一起，为构建更具挑战性的大规模数据集和更好的显著性模型提供了有用线索。最后，我们针对若干开放问题如评测分数与数据集偏置提出可能的解决方案，这也暗示了在快速增长的显著目标检测领域中的未来研究方向。
引用
@article{arxiv.1501.02741,
title = {Salient Object Detection: A Benchmark},
author = {Ali Borji and Ming-Ming Cheng and Huaizu Jiang and Jia Li},
journal= {arXiv preprint arXiv:1501.02741},
year = {2018}
}