多个数据集，如MSRA, SED1/2, ASD等

github2024-05-20 更新2024-05-31 收录

下载链接：

https://github.com/lartpang/awesome-segmentation-saliency-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

这是一个包含多个分割和显著性检测数据集的仓库，涵盖了从RGB到RGB-D、RGB-T等多种类型的数据集，用于支持各种视觉任务的研究和开发。

This repository encompasses a variety of segmentation and saliency detection datasets, covering multiple types from RGB to RGB-D and RGB-T, designed to support research and development in various visual tasks.

创建时间：

2018-12-30

原始信息汇总

数据集概述

显着性数据集

RGB显着性

MSRA(MSRA10K/MSRA-B)
- 包含10,000张图像，提供像素级显着对象标注。
- 相关论文：Learning to detect a salient object
- 主页：南开大学媒体计算实验室
SED1/2
- 包含200张灰度图像，每个图像由三个人类对象分割。
- 相关论文：Salient objectdetection: A benchmark
- 下载：http://www.wisdom.weizmann.ac.il/~vision/Seg_Evaluation_DB/dl.html
ASD(MSRA1000/MSRA1K)
- 包含1,000张图像，提供像素级显着对象标注。
- 相关论文：A two-stage approach to saliency detection inimages
- 下载：http://download.csdn.net/detail/wanyq07/9839322
DUT-OMRON
- 包含5,168张高质量图像，具有复杂背景和多个显着对象。
- 相关论文：Saliency detection via graph-based manifold ranking
- 下载：http://saliencydetection.net/dut-omron/download/DUT-OMRON-image.zip
DUTS
- 包含10,553张训练图像和5,019张测试图像，是目前最大的显着性检测基准。
- 主页：http://saliencydetection.net/duts/
SOC (Salient Objects in Clutter)
- 包含6,000张图像，其中一半包含显着对象，每个显着对象图像都标注了实例级SOD真值、对象类别和挑战因素。
- 相关论文：Salient Objects in Clutter
- 下载：https://mmcheng.net/socbenchmark/
HKU-IS
- 包含4,447张图像，提供像素级显着对象标注。
- 相关论文：Visual Saliency Based on Multiscale Deep Features
- 下载：Google Drive
SOD (Salient Object Dataset)
- 基于Berkeley Segmentation Dataset(BSD)的显着对象边界的集合。
- 主页：http://elderlab.yorku.ca/SOD/
- 下载：http://elderlab.yorku.ca/SOD/SOD.zip
Infrared
- 包含数百个彩色(RGB)和近红外(NIR)场景的图像。
- 相关论文：http://infoscience.epfl.ch/record/167478
- 下载：http://ivrgwww.epfl.ch/supplementary_material/cvpr11/nirscene1.zip
ImgSal
- 包含235张彩色图像，分为六个不同的类别，提供人类固定记录和人类标记结果。
- 主页：https://sites.google.com/site/jianlinudt/saliency-database
ECSSD/CSSD
- ECSSD包含1000张图像，CSSD包含200张图像，均提供像素级显着对象标注。
- 下载：http://www.cse.cuhk.edu.hk/leojia/projects/hsaliency/dataset.html
THUR15K
- 包含15,000张图像，其中6000多张图像有像素精确的地面实况注释。
- 相关论文：https://mmcheng.net/zh/gsal/
- 下载：https://mmcheng.net/mftp/Data/THUR15000.zip

Co-Saliency

ImagePair
- 包含多张图像，提供像素级显着对象标注。
- 主页：https://ivrl.epfl.ch/research-2/research-downloads/supplementary_material-cvpr11-index-html/
MSRC
- 包含多张图像，提供像素级显着对象标注。
- 主页：[https://ivrl.epfl.ch/research-2/research-downloads/supplementary_material-cvpr11-index-html/](https://

搜集汇总

数据集介绍

构建方式

该数据集的构建方式主要通过从多个公开的图像数据库中选择高质量图像，并由多个用户进行像素级的显着对象标注。例如，MSRA数据集通过从图像论坛和搜索引擎中收集大量图像，并手动选择包含显着对象的图像进行标注。标注过程中，用户通过绘制矩形框来标记显着对象，并通过多用户投票策略来减少标注不一致性。此外，SOC数据集则通过从日常对象类别中选择图像，并标注显着对象的实例级真值、对象类别及挑战因素，以提供更全面的评估基准。

特点

该数据集的特点在于其多样性和高质量的标注。首先，数据集涵盖了多种类型的显着对象检测任务，包括RGB显着性、RGB-D显着性、RGB-T显着性等，能够满足不同场景下的研究需求。其次，数据集的标注精度高，许多数据集提供了像素级的真值标注，确保了算法的评估准确性。此外，部分数据集还提供了额外的挑战因素标注，如对象大小、背景复杂度等，有助于更深入地分析算法性能。

使用方法

该数据集的使用方法主要包括下载数据集、加载图像和真值标注，并使用这些数据进行显着对象检测算法的训练和评估。用户可以通过GitHub页面提供的下载链接获取数据集，并根据数据集的格式加载图像和标注。在算法开发过程中，用户可以将数据集分为训练集和测试集，使用训练集进行模型训练，并在测试集上评估模型性能。此外，用户还可以利用数据集中的挑战因素标注，进行更细粒度的性能分析和算法优化。

背景与挑战

背景概述

Another Awesome Dataset List 是一个汇集了多个显着性检测数据集的资源库，涵盖了从RGB图像到RGB-D图像、视频等多种类型的显着性检测任务。该数据集由南开大学媒体计算实验室等机构的研究人员创建，旨在为显着性检测领域的研究提供丰富的数据资源。数据集的创建时间可追溯至2007年，主要研究人员包括南开大学的程明明教授等人。该数据集的核心研究问题是如何准确检测图像中的显着对象，并通过提供大规模的标注数据集来推动显着性检测算法的发展。该数据集对计算机视觉领域的显着性检测研究具有重要影响，为算法评估和模型训练提供了标准化的基准。

当前挑战

该数据集面临的挑战主要集中在显着性检测任务的复杂性和数据集构建过程中的标注一致性问题。显着性检测任务需要处理图像中复杂的背景和多样的对象，尤其是在背景杂乱或对象部分遮挡的情况下，检测精度面临较大挑战。此外，数据集的构建过程中，如何确保多个标注者之间的一致性，以及如何处理不同用户对显着对象的不同理解，也是该数据集面临的重要问题。另一个挑战是如何在保持数据集多样性的同时，确保标注的准确性和一致性，以便为算法提供可靠的训练和评估基础。

常用场景

经典使用场景

该数据集主要用于视觉显著性检测领域，特别是在图像分割和显著对象检测任务中。通过提供大量带有像素级标注的图像，研究者可以训练和评估各种显著性检测算法，如多尺度对比度、中心环绕直方图和颜色空间分布等特征的组合。这些算法旨在从复杂的背景中准确地分割出显著对象，适用于图像检索、监控和图像注释等多种应用场景。

衍生相关工作

基于该数据集，许多研究者开发了新的显著性检测算法，并提出了多种改进方法，如多尺度特征提取、深度学习模型和条件随机场的应用。这些工作不仅提升了显著性检测的性能，还推动了相关领域的技术进步。例如，一些研究者利用该数据集训练了深度卷积神经网络，显著提高了显著性检测的准确性和鲁棒性。

数据集最近研究