論文の概要: Evaluating Salient Object Detection in Natural Images with Multiple Objects having Multi-level Saliency

• arxiv url: http://arxiv.org/abs/2003.08514v1
• Date: Thu, 19 Mar 2020 00:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 04:42:47.942809
• Title: Evaluating Salient Object Detection in Natural Images with Multiple Objects having Multi-level Saliency
• Title（参考訳）: 多値共振器を有する複数物体を用いた自然画像における有向物体検出の評価
• Authors: G\"okhan Yildirim, Debashis Sen, Mohan Kankanhalli, and Sabine S\"usstrunk
• Abstract要約: 正当性オブジェクト検出は、ラベルが正当性オブジェクトクラスと背景を持つバイナリ基底真理を用いて評価される。 我々のデータセットは、SalMoN(複数オブジェクトの自然画像の可用性)と呼ばれ、複数のオブジェクトを含む588の画像を持つ。
• 参考スコア（独自算出の注目度）: 3.464871689508835
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Salient object detection is evaluated using binary ground truth with the labels being salient object class and background. In this paper, we corroborate based on three subjective experiments on a novel image dataset that objects in natural images are inherently perceived to have varying levels of importance. Our dataset, named SalMoN (saliency in multi-object natural images), has 588 images containing multiple objects. The subjective experiments performed record spontaneous attention and perception through eye fixation duration, point clicking and rectangle drawing. As object saliency in a multi-object image is inherently multi-level, we propose that salient object detection must be evaluated for the capability to detect all multi-level salient objects apart from the salient object class detection capability. For this purpose, we generate multi-level maps as ground truth corresponding to all the dataset images using the results of the subjective experiments, with the labels being multi-level salient objects and background. We then propose the use of mean absolute error, Kendall's rank correlation and average area under precision-recall curve to evaluate existing salient object detection methods on our multi-level saliency ground truth dataset. Approaches that represent saliency detection on images as local-global hierarchical processing of a graph perform well in our dataset.
• Abstract（参考訳）: salientオブジェクト検出は、salientオブジェクトクラスとバックグラウンドを持つバイナリ基底真理を用いて評価される。 本稿では,自然画像中のオブジェクトが本質的に重要度が異なると認識される,新しい画像データセットに関する3つの主観的な実験に基づいて相関する。 我々のデータセットは、SalMoN(複数オブジェクトの自然画像の可用性)と呼ばれ、複数のオブジェクトを含む588の画像を持つ。 主観的実験では、眼球固定期間、点クリック、矩形描画による自発的注意と知覚が記録された。 マルチオブジェクト画像におけるオブジェクトのサルエンシーは本質的にマルチレベルであるため、サルエントオブジェクトクラス検出機能とは別に、すべてのマルチレベルサルエントオブジェクトを検出する能力のためにサルエントオブジェクト検出を評価する必要がある。 そこで本研究では,主観的実験結果を用いて,データセットの全ての画像に対応する基底的真理として,ラベルを多レベルサルエントオブジェクトと背景として生成する。 そこで我々は, 平均絶対誤差, ケンドールのランク相関, および精度・リコール曲線に基づく平均領域を用いて, 多レベルサリエンシ基底真実データセット上の既存の有意物体検出手法を評価する。 グラフの局所的グローバル階層処理として,画像上の塩分検出を表現する手法は,データセットにおいて良好に機能する。

関連論文リスト

• Retrieval Robust to Object Motion Blur [54.34823913494456]
  本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。 ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。 提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
  論文  参考訳（メタデータ） (2024-04-27T23:22:39Z)
• Learning-based Relational Object Matching Across Views [63.63338392484501]
  本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。 我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
  論文  参考訳（メタデータ） (2023-05-03T19:36:51Z)
• Salient Object Detection for Images Taken by People With Vision Impairments [13.157939981657886]
  本稿では、視覚障害者が撮影した画像を用いた、新しい有能な物体検出データセットを提案する。 VizWiz-SalientObjectは最大(つまり32,000個の人称注釈付き画像)で、ユニークな特徴を持っている。 我々は、我々のデータセットで7つの現代的な正当性オブジェクト検出方法のベンチマークを行い、それらが大きな画像、より複雑な境界、テキストの欠如に最も苦労していることを発見した。
  論文  参考訳（メタデータ） (2023-01-12T22:33:01Z)
• Automatic dataset generation for specific object detection [6.346581421948067]
  本研究では,オブジェクトの詳細な特徴を,無関係な情報を得ることなく保存することができるオブジェクト・イン・シーン・イメージの合成手法を提案する。 その結果,合成画像では,物体の境界が背景とよく一致していることがわかった。
  論文  参考訳（メタデータ） (2022-07-16T07:44:33Z)
• ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
  画像操作の検出とローカライズを行うObjectFormerを提案する。 画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。 各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2022-03-28T12:27:34Z)
• Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
  一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。 本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
  論文  参考訳（メタデータ） (2021-12-21T17:10:21Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• A Simple and Effective Use of Object-Centric Images for Long-Tailed Object Detection [56.82077636126353]
  シーン中心画像における物体検出を改善するために,物体中心画像を活用する。 私たちは、シンプルで驚くほど効果的なフレームワークを提示します。 我々の手法は、レアオブジェクトのオブジェクト検出(およびインスタンスセグメンテーション)の精度を相対的に50%(および33%)向上させることができる。
  論文  参考訳（メタデータ） (2021-02-17T17:27:21Z)
• Multiple instance learning on deep features for weakly supervised object detection with extreme domain shifts [1.9336815376402716]
  近年,画像レベルのアノテーションのみを用いたオブジェクト検出 (WSOD) が注目されている。 事前学習した深部特徴に応用した単純な複数インスタンスアプローチは、非写真データセットに優れた性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-08-03T20:36:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。