Web画像内の顕著なオブジェクトの分布と顕著なオブジェクトの検出への影響について

近年、ガウスセンターバイアスが視覚的顕著性検出の重要な事前に役立つことが明らかになりました。これは、人間の眼の固定と顕著なオブジェクト検出を予測するために実証されています。Tseng et al。中央に興味深いオブジェクトを配置する写真家の傾向が、目の固定の中心バイアスの原因である可能性が高いことを示しました。写真家のセンターバイアスが顕著なオブジェクト検出に及ぼす影響を調査し、以前の作業を拡張します。AchantaとLiuのデータセットの写真の顕著なオブジェクトの重心位置は、実際にはガウスモデルと強く相関していることを示しています。これは、顕著なオブジェクト検出アルゴリズムにこのような中心バイアスを統合するための経験的動機と正当化を提供し、ガウスモデルが非常に効果的である理由を理解するのに役立つため、これは重要な洞察です。顕著なオブジェクト検出に対する中心バイアスの影響を評価するために、明示的なガウスセンターバイアスモデルを2つの最先端の顕著なオブジェクト検出アルゴリズムに統合します。これにより、最初に、ピクセルおよびセグメントベースの顕著なオブジェクト検出に対するガウスセンターバイアスの影響を定量化します。第二に、F1スコア、Fβスコア、リコール精度曲線の下の面積、受信機の動作特性曲線の下の面積、およびAchantaとLiuによる有名なデータセットのヒット率の観点からパフォーマンスを改善します。第三に、Cheng et al。の領域コントラストモデルをbeすることにより、暗黙の中心バイアスが最先端のアルゴリズムの優れたパフォーマンスに部分的に関与していることを実証的に実証します。最後になりましたが、画像データに写真家のセンターバイアス（監視カメラまたは自律ロボットの画像データ）がある可能性が低いアプリケーションにとって興味深いものではない、バイアスのない顕著なオブジェクト検出方法を導入します。

In recent years it has become apparent that a Gaussian center bias can serve as an important prior for visual saliency detection, which has been demonstrated for predicting human eye fixations and salient object detection. Tseng et al. have shown that the photographer's tendency to place interesting objects in the center is a likely cause for the center bias of eye fixations. We investigate the influence of the photographer's center bias on salient object detection, extending our previous work. We show that the centroid locations of salient objects in photographs of Achanta and Liu's data set in fact correlate strongly with a Gaussian model. This is an important insight, because it provides an empirical motivation and justification for the integration of such a center bias in salient object detection algorithms and helps to understand why Gaussian models are so effective. To assess the influence of the center bias on salient object detection, we integrate an explicit Gaussian center bias model into two state-of-the-art salient object detection algorithms. This way, first, we quantify the influence of the Gaussian center bias on pixel- and segment-based salient object detection. Second, we improve the performance in terms of F1 score, Fβ score, area under the recall-precision curve, area under the receiver operating characteristic curve, and hit-rate on the well-known data set by Achanta and Liu. Third, by debiasing Cheng et al.'s region contrast model, we exemplarily demonstrate that implicit center biases are partially responsible for the outstanding performance of state-of-the-art algorithms. Last but not least, we introduce a non-biased salient object detection method, which is of interest for applications in which the image data is not likely to have a photographer's center bias (e.g., image data of surveillance cameras or autonomous robots).