多顯著對(duì)象圖像標(biāo)注方法

　　圖像視覺(jué)顯著性檢測(cè)算法在已有數(shù)據(jù)集上已經(jīng)取得很好的結(jié)果，但是目前的多個(gè)數(shù)據(jù)集存在兩個(gè)嚴(yán)重的問(wèn)題：首先，數(shù)據(jù)集中的圖像以只包含一個(gè)顯著對(duì)象的圖像為主；其次，在建立顯著對(duì)象標(biāo)注結(jié)果的過(guò)程中，忽略了用戶(hù)對(duì)同一幅圖像中包含的多個(gè)顯著對(duì)象的不同認(rèn)知。上述問(wèn)題導(dǎo)致了在已有數(shù)據(jù)集上對(duì)顯著性檢測(cè)算法進(jìn)行評(píng)估，不能體現(xiàn)算法在實(shí)際應(yīng)用中的真實(shí)效果。為此，提出體現(xiàn)用戶(hù)認(rèn)知的多顯著對(duì)象圖像標(biāo)注方法，首先設(shè)計(jì)并實(shí)現(xiàn)輔助軟件，收集用戶(hù)對(duì)各顯著對(duì)象的重要程度的認(rèn)知情況，包括顯著區(qū)域與相應(yīng)的重要程度；然后融合收集的多用戶(hù)數(shù)據(jù)，繪制出以灰度圖為表現(xiàn)形式的顯著對(duì)象標(biāo)注結(jié)果，并通過(guò)灰度值體現(xiàn)多用戶(hù)對(duì)于每個(gè)顯著對(duì)象的認(rèn)知情況。基于改進(jìn)的顯著對(duì)象標(biāo)注方法，建立了一個(gè)包含1000幅多顯著對(duì)象圖像的數(shù)據(jù)集，并為每幅圖像提供了體現(xiàn)用戶(hù)認(rèn)知的顯著對(duì)象標(biāo)注結(jié)果。對(duì)10種具有代表性的顯著性檢測(cè)算法在已有數(shù)據(jù)集和建立的數(shù)據(jù)集上的性能進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，這些顯著性檢測(cè)算法在建立的數(shù)據(jù)集上的性能有大幅度的降低，例如受試者工作特征曲線(xiàn)下面積（ ROC-AUC）評(píng)估參數(shù)的最大降幅超過(guò)了0.5，這證實(shí)了已有數(shù)據(jù)集存在的問(wèn)題及建立新數(shù)據(jù)集的霈求，同時(shí)指出顯著性檢測(cè)算法在處理包含多顯著對(duì)象的復(fù)雜圖像上存在的不足。
?