显著物体 Subitizing
计算机视觉与模式识别
2016-07-27 v1
摘要
我们研究了显著物体 Subitizing 问题，即利用整体线索预测图像中显著物体的存在及其数量。这项任务的灵感来源于人类能够快速准确地识别 subitizing 范围（1-4）内物品数量的能力。为此，我们提出了一个包含约 1.4 万张日常图像的显著物体 subitizing 图像数据集，这些图像通过在线众包市场进行了标注。我们表明，使用端到端训练的卷积神经网络 (CNN) 模型，我们在识别包含零个或一个显著物体的图像方面达到了与人类表现相当的预测精度。对于包含多个显著物体的图像，我们的模型在无需任何定位过程的情况下，也提供了显著优于随机猜测的性能。此外，我们提出了一种利用合成图像来改进 CNN subitizing 模型训练的方法。实验证明了我们的 CNN subitizing 模型的准确性和泛化能力，及其在显著物体检测和图像检索中的应用。
引用
@article{arxiv.1607.07525,
title = {Salient Object Subitizing},
author = {Jianming Zhang and Shugao Ma and Mehrnoosh Sameki and Stan Sclaroff and Margrit Betke and Zhe Lin and Xiaohui Shen and Brian Price and Radomir Mech},
journal= {arXiv preprint arXiv:1607.07525},
year = {2016}
}