不同评估指标揭示了显著性模型的哪些信息？
计算机视觉与模式识别
2017-04-10 v2
摘要
如何最佳地评估显著性模型预测人类在图像中注视位置的能力是一个开放的研究问题。评估指标的选择取决于显著性如何定义以及真值如何表示。指标在如何对显著性模型排序方面存在差异，这源于如何处理假阳性和假阴性、是否考虑观看偏差、是否纳入空间偏差、以及如何对显著性图进行预处理。在本文中，我们提供了对8种不同评估指标及其性质的分析。借助系统实验和指标计算的可视化，我们为显著性分数增加了可解释性，并为显著性模型的评估增加了更多透明度。基于指标性质和行为的差异，我们针对特定假设和特定应用提出了指标选择的建议。
引用
@article{arxiv.1604.03605,
title = {What do different evaluation metrics tell us about saliency models?},
author = {Zoya Bylinskii and Tilke Judd and Aude Oliva and Antonio Torralba and Frédo Durand},
journal= {arXiv preprint arXiv:1604.03605},
year = {2017}
}