多顯著對象圖像標(biāo)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(jīng)取得很好的結(jié)果，但是目前的多個數(shù)據(jù)集存在兩個嚴(yán)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(biāo)注結(jié)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(rèn)知。上述問題導(dǎo)致了在已有數(shù)據(jù)集上對顯著性檢測算法進(jìn)行評估，不能體現(xiàn)算法在實際應(yīng)用中的真實效果。為此，提出體現(xiàn)用戶認(rèn)知的多顯著對象圖像標(biāo)注方法，首先設(shè)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(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數(shù)據(jù)，繪制出以灰度圖為表現(xiàn)形式的顯著對象標(biāo)注結(jié)果，并通過灰度值體現(xiàn)多用戶對于每個顯著對象的認(rèn)知情況。基于改進(jìn)的顯著對象標(biāo)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(rèn)知的顯著對象標(biāo)注結(jié)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(jìn)行了比較。實驗結(jié)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(fù)雜圖像上存在的不足。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
多顯著對象圖像標(biāo)注方法下載
相關(guān)電子資料下載
- 慧視SpeedDP大模型打造圖像標(biāo)注新時代 192
- 人工圖像標(biāo)注1~2分鐘，SpeedDP僅需7-8毫秒！降本增效不是夢！ 244
- 利用AI實現(xiàn)自動圖像標(biāo)注不是夢 897
- 圖像標(biāo)注如何提升效率？ 278
- 圖像標(biāo)注在計算機視覺中起著至關(guān)重要的作用 5728
- 圖像標(biāo)注的種類，應(yīng)用場景，以及各種標(biāo)注的優(yōu)缺點 7043
- 多倫多大學(xué)&NVIDIA最新成果 圖像標(biāo)注速度提升10倍 2407
- 谷歌推出基于機器學(xué)習(xí)的圖像標(biāo)注方式 3597
- 谷歌推出一款基于AI和深度學(xué)習(xí)的圖像標(biāo)注方式“流體標(biāo)注” 5413