什么是显著目标？一个数据集和一个用于显著目标检测的基线模型

显著目标检测或显著区域检测模型，与注视预测模型不同，传统上处理的是定位和分割场景中最显著的目标或区域。虽然当场景中存在多个目标时，最显著目标的概念是合理的，但当前用于评估显著性检测方法的数据集通常只包含单个目标的场景。本文提出三个主要贡献：首先，我们通过研究人们在场景中注视的位置与当他们被明确询问时选择的最显著目标之间的关系，深入探讨了显著目标检测问题。基于注视与显著性判断之间的一致性，我们提出最显著目标是吸引最高比例注视的目标。其次，我们提供了两个新的、偏差较小的基准数据集，其中包含多个目标的场景，对现有显著性模型构成挑战。实际上，我们观察到8个最先进模型在我们的数据集上性能严重下降（40%到70%）。第三，我们提出了一个非常简单但强大的基于超像素的模型，作为模型评估和比较的基线。虽然该模型在MSRA-5K数据集上与最佳模型相当，但在我们的数据上优于其他模型，突显了现有模型的一个严重缺陷，即混淆了定位最显著目标及其分割的过程。我们还提供了一些可用于评估显著目标检测模型的标注场景数据集的回顾和统计分析。我们相信，我们的工作可以极大地帮助纠正模型对现有有偏数据集的过拟合，并为这个快速发展的领域未来的研究开辟新的途径。