CAT: Context Adjustment Training

CAT 是用于共显着性检测的专用数据集。该数据集旨在帮助评估视觉算法的性能和支持旨在利用大量注释数据的研究，例如，用于训练深度神经网络。 Scale & Features - 共有 33500 个图像样本。 - 隶属于 15 个超类的 280 个语义组。 - 高质量的面具注释。 - 具有多个前景对象的多样化视觉环境。

CAT is a dedicated dataset for co-saliency detection. This dataset is designed to help evaluate the performance of visual algorithms and support research leveraging large-scale annotated data, such as training deep neural networks.
Scale & Features
- A total of 33,500 image samples.
- 280 semantic groups belonging to 15 superclasses.
- High-quality mask annotations.
- Diverse visual environments with multiple foreground objects.

搜集汇总

背景与挑战

背景概述

CAT是一个专门用于共显着性检测的数据集，包含33,500个图像样本，涵盖15个超类和280个语义组，并提供高质量面具注释。它旨在评估视觉算法性能，并支持利用大量注释数据的研究，例如训练深度神经网络。