Structure-measure：一种评估前景图的新方法
计算机视觉与模式识别
2017-08-03 v1
摘要
前景图评估对于衡量目标分割算法的进展至关重要，特别是在显著目标检测领域，其目的是准确检测并分割场景中最显著的目标。一些广泛使用的指标，如曲线下面积（AUC）、平均精度（AP）和最近提出的 Fbw，已被用于评估非二值显著图（SM）与真值（GT）图之间的相似度。这些指标基于像素级误差，通常忽略了结构相似性。然而，行为视觉研究表明，人类视觉系统对场景中的结构高度敏感。在此，我们提出了一种新颖、高效且易于计算的指标，称为结构相似性度量，用于评估非二值前景图。我们的新指标同时评估 SM 与 GT 图之间的区域感知和目标感知结构相似性。我们在 5 个基准数据集上使用 5 个元指标证明了我们的指标优于现有指标。
引用
@article{arxiv.1708.00786,
title = {Structure-measure: A New Way to Evaluate Foreground Maps},
author = {Deng-Ping Fan and Ming-Ming Cheng and Yun Liu and Tao Li and Ali Borji},
journal= {arXiv preprint arXiv:1708.00786},
year = {2017}
}
备注
Accepted by ICCV 2017