多顯著對象圖像標注方法

　　圖像視覺顯著性檢測算法在已有數(shù)據(jù)集上已經取得很好的結果，但是目前的多個數(shù)據(jù)集存在兩個嚴重的問題：首先，數(shù)據(jù)集中的圖像以只包含一個顯著對象的圖像為主；其次，在建立顯著對象標注結果的過程中，忽略了用戶對同一幅圖像中包含的多個顯著對象的不同認知。上述問題導致了在已有數(shù)據(jù)集上對顯著性檢測算法進行評估，不能體現(xiàn)算法在實際應用中的真實效果。為此，提出體現(xiàn)用戶認知的多顯著對象圖像標注方法，首先設計并實現(xiàn)輔助軟件，收集用戶對各顯著對象的重要程度的認知情況，包括顯著區(qū)域與相應的重要程度；然后融合收集的多用戶數(shù)據(jù)，繪制出以灰度圖為表現(xiàn)形式的顯著對象標注結果，并通過灰度值體現(xiàn)多用戶對于每個顯著對象的認知情況。基于改進的顯著對象標注方法，建立了一個包含1000幅多顯著對象圖像的數(shù)據(jù)集，并為每幅圖像提供了體現(xiàn)用戶認知的顯著對象標注結果。對10種具有代表性的顯著性檢測算法在已有數(shù)據(jù)集和建立的數(shù)據(jù)集上的性能進行了比較。實驗結果表明，這些顯著性檢測算法在建立的數(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下面積（ ROC-AUC）評估參數(shù)的最大降幅超過了0.5，這證實了已有數(shù)據(jù)集存在的問題及建立新數(shù)據(jù)集的霈求，同時指出顯著性檢測算法在處理包含多顯著對象的復雜圖像上存在的不足。
?