显著性检测数据集—学习笔记

简介

本资源文件提供了关于显著性检测数据集的学习笔记，涵盖了多个常用的显著性检测数据集的详细介绍和下载信息。显著性检测是计算机视觉中的一个重要研究方向，广泛应用于图像分割、目标检测等领域。

数据集列表

以下是本资源文件中包含的显著性检测数据集：

1. DUT-OMRON

• 图像数量: 5168张
• 最大边长: 400像素
• 特点: 包含一个或多个显著对象和相对复杂的背景，具有眼睛固定、边界框和像素方面的大规模真实标注。

2. DUTS

• 训练图像: 10553张
• 测试图像: 5019张
• 特点: 训练图像来自ImageNet DET训练/验证集，测试图像来自ImageNet DET测试集和SUN数据集，包含非常重要的场景用于显著性检测。

3. HKU-IS

• 图像数量: 4447张
• 特点: 包含显著对象的像素注释。

4. ECSSD/CSSD

• CSSD图像数量: 200张
• ECSSD图像数量: 1000张
• 特点: 复杂场景显著性数据集，CSSD是ECSSD的扩展集。

5. SOD

• 图像数量: 300张
• 特点: 基于Berkeley Segmentation Dataset（BSD）的显著对象边界的集合，包含7个对象。

6. PASCAL-S

• 特点: 包含显著对象的像素注释。

使用说明

本资源文件提供了上述数据集的下载链接和详细介绍，用户可以根据需要选择合适的数据集进行显著性检测的研究和实验。

参考资料

本资源文件的内容参考了CSDN博客文章《显著性检测数据集—学习笔记》，详细信息请参阅该文章。

贡献

如果您有新的显著性检测数据集或相关研究成果，欢迎提交贡献，共同丰富本资源文件的内容。

许可证

本资源文件遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。