MSRA

MSRA10K是一个包含10000张图像的数据集，用于像素级显著对象标注。数据集包括图像和二进制掩码，适用于显著对象检测研究。

The MSRA10K dataset comprises 10,000 images, each annotated at the pixel level for salient object detection. This dataset includes both images and binary masks, making it highly suitable for research in salient object detection.

原始信息汇总

Segmentation/Saliency-Dataset

数据集列表

MSRA

• 描述: 包含10,000张图像，提供像素级显着对象标注。
• 论文: T. Liu, J. Sun, N.-N. Zheng, X. Tang, and H.-Y. Shum, “Learning to detect a salient object,” in CVPR, 2007, pp. 1–8
• 下载: MSRA10K, MSRA-B

SED1/2

• 描述: 包含200个灰度图像，每个图像由三个不同的人类对象分割。
• 论文: A. Borji, M.-M. Cheng, H. Jiang, and J. Li, “Salient object detection: A benchmark,” IEEE TIP, vol. 24, no. 12, pp. 5706–5722, 2015.
• 下载: 官方链接

ASD(MSRA1000/MSRA1K)

• 描述: 包含1000张图像，提供显着对象标注。
• 论文: T. Liu, J. Sun, N.-N. Zheng, X. Tang, and H.-Y. Shum, “Learning to detect a salient object,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., 2007, pp. 1–8.
• 下载: CSDN链接

DUT-OMRON

• 描述: 包含5,168个高质量图像，具有复杂背景和显着对象。
• 论文: C. Yang, L. Zhang, H. Lu, X. Ruan, and M.-H. Yang, “Saliency detection via graph-based manifold ranking,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., 2013, pp. 3166–3173.
• 下载: DUT-OMRON-image.zip

DUTS

• 描述: 包含10,553训练图像和5,019测试图像，是目前最大的显着性检测基准。
• 下载: 官方链接

SOD

• 描述: 基于Berkeley Segmentation Dataset的显着对象边界集合。
• 下载: 官方链接, 百度云

iCoSeg

• 描述: 包含38组（643幅图像）的co-segmentation数据集。
• 下载: CMU_Cornell_iCoseg_dataset.zip

Infrared

• 描述: 包含数百个彩色（RGB）和近红外（NIR）场景的图像。
• 下载: nirscene1.zip

ImgSal

• 描述: 包含235个彩色图像，提供人类固定记录和人类标记结果。
• 下载: 官方链接

ECSSD/CSSD

• 描述: ECSSD包含1000张图，CSSD包含200张图。
• 下载: ECSSD, CSSD

THUR15K

• 描述: 包含15K图像，提供显着对象区域的像素精确地面实况注释。
• 下载: THUR15000.zip

OSIE

• 描述: 包含500个图像，包含15个观察者的眼动追踪数据和5,551个分段对象的注释数据。
• 下载: 官方链接

RSD(PKU-RSD)

• 描述: 包含431个短视频，涵盖各种场景。
• 下载: 官方链接

ACSD

• 描述: 基于ASD数据集(MSRA1K)制作，提供二进制掩码。
• 下载: 真值标注

XPIE

• 描述: 包含10,000张图像，提供二进制掩码。
• 下载: XPIE.tar.gz

NLPR

• 描述: 包含RGBD图像数据集，用于显着对象检测。
• 下载: 官方链接

NJUD

• 描述: 包含1382个高质量和一致标记的图像。
• 下载: nju2000.zip

alphamatting.com

• 描述: 提供不同分辨率的图像数据集。
• 下载: 官方链接

搜集汇总

数据集介绍

构建方式

MSRA数据集的构建主要依赖于用户对图像中显著对象的标注。首先，研究人员从各种来源收集了大量的高质量图像，并手动选择了包含显著对象的图像。然后，他们邀请了多个用户来标注这些图像，用户通过绘制矩形来指定图像中的显著对象。为了确保标注的一致性，研究人员从多个用户绘制的矩形中选择了一个“真实”标签作为基准。最后，他们构建了一个包含数以万计的完全标记图像的图像数据库，为视觉注意力算法提供了定量评估的基础。

特点

MSRA数据集的特点在于其规模庞大，包含由多个用户标记的数以万计的完全标记图像，这使得它成为第一个用于视觉注意算法定量评估的大型图像数据库。此外，该数据集还提供了像素级的显著对象标注，以及与其他20多种显著性检测方法的比较结果。这使得研究人员可以更全面地评估和比较不同的显著性检测算法。

使用方法

使用MSRA数据集时，首先需要下载相应的图像和标注数据。然后，可以根据需要选择不同的显著性检测算法来处理这些数据。例如，可以使用条件随机场（CRF）等模型来有效地组合多尺度对比度、中心环绕直方图和颜色空间分布等特征。最后，可以评估算法的性能，并与数据集中提供的其他算法进行比较。

背景与挑战

背景概述

MSRA数据集，全称为MSRA10K，是由南开大学媒体计算实验室创建的，于2007年发布。该数据集由刘铁岩、孙剑、郑南宁、唐侠和李晓明等人共同研究，旨在解决视觉注意力问题，将显著对象检测视为图像分割问题，从而将显著对象从图像背景中分离出来。该数据集是首个用于视觉注意算法定量评估的大型图像数据库，为相关领域的研究提供了重要的数据支持。

当前挑战

MSRA数据集的挑战主要来自两个方面：1)所解决的领域问题，即视觉注意力问题，需要准确识别图像中的显著对象；2)构建过程中所遇到的挑战，如图像来源的多样性、标记一致性等。此外，数据集中图像的复杂性和背景的多样性也对显著对象检测算法提出了更高的要求。

常用场景

经典使用场景

MSRA数据集是一个被广泛用于视觉显著性检测研究的基准数据集。它包含了10000张图像，每张图像都被精确标注了显著性对象。该数据集被用于训练和评估各种显著性检测算法，包括基于深度学习的方法。研究者们通常使用这个数据集来测试他们的算法在不同场景和不同大小、形状的显著性对象上的性能。

实际应用

MSRA数据集在实际应用中具有广泛的应用前景。它可以帮助计算机视觉系统更好地理解和解释图像内容，从而提高图像检索、监控、图像注释和对象识别等任务的性能。例如，在图像检索中，可以使用显著性检测算法来识别和检索图像中的显著性对象，从而提高检索的准确性和效率。在监控中，可以使用显著性检测算法来识别和跟踪显著性对象，从而提高监控的效率和效果。在图像注释中，可以使用显著性检测算法来自动标注图像中的显著性对象，从而节省人工标注的时间和成本。

衍生相关工作

MSRA数据集衍生了许多相关的经典工作。例如，基于MSRA数据集，研究者们提出了许多新的显著性检测算法，包括基于深度学习的方法。此外，MSRA数据集还被用于评估和比较不同的显著性检测算法，从而推动了显著性检测领域的发展。