面向社交媒体图像的显著性数据集
梁晔1
马楠2
郎丛妍3
于剑3
1.北京联合大学机器人学院,北京100101;北京交通大学计算机与信息技术学院,北京1000442.北京联合大学机器人学院,北京,1001013.北京交通大学计算机与信息技术学院,北京,100044
摘要：随着显著性研究的发展,已涌现多个显著性数据集,然而目前面向社交媒体图像的显著性数据集数量非常少.为此构建此类显著性数据集,详细论述了数据集的图像来源、图像的筛选原则、图像的标注及数据集的统计分析.为了验证新建数据集的性能,与目前流行的7个显著性数据集进行性能评测,新建数据集具有显著区域尺寸丰富、与图像边界连接度高、显著区域与图像的颜色差异小的优点.实验结果表明:新建数据集中显著区域与图像边界连接的比例为17％,仅低于ECSSD数据集;其中显著区域和整幅图像的颜色差均值最小,且包含10个尺寸等级的显著区域,尺寸分布最广泛.此外,新建数据集具有标签信息,也为新的显著区域提取方法提供了实验对象.
关键词：数据集显著性社交媒体图像标签
分类号：TP391.9(计算技术、计算机技术)
资助基金：国家自然科学基金(61871038)国家自然科学基金(61871039)北京市自然科学基金(4182022)北京市属高校高水平教师队伍建设支持计划(IDHT20170511)
论文发表日期：2018-09-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 135-140 )
英文信息