Papers with Code · CC BY-SA 4.0

Saliency Detection

94 평가 기록 27 datasets

Saliency Detection is a preprocessing step in computer vision which aims at finding salient objects in an image.

<span class="description-source">Source: An Unsupervised Game-Theoretic Approach to Saliency Detection </span>

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
ViNet (dave)
SIM: 0.627CC: 0.733NSS: 2.13AUC-J: 0.864
논문 코드
GCoNet+
S-measure: 0.738max F-measure: 0.637mean E-measure: 0.783Mean F-measure: 0.612
논문 코드
GCoNet+
S-measure: 0.843max E-measure: 0.901max F-measure: 0.834MAE: 0.062
논문 코드
DMT
MAE: 0.045S-measure: 0.897max F-measure: 0.905max E-measure: 0.936
논문 코드
Pyramid Feature Attention
MAE: 0.0414
논문 코드
SUM
KL: 0.473
논문 코드
SUM
CC: 0.909SIM: 0.804NSS: 1.981AUC: 0.876
논문 코드
ViNet
NSS: 2.87CC: 0.51s-AUC: 0.728AUC-J: 0.908
논문 코드
SelfMask
Accuracy: 91.9IoU: 65.5maximal F-measure: 85.2
논문 코드
SelfMask
Accuracy: 93.3IoU: 66maximal F-measure: 88.2
논문 코드
SelfMask
Accuracy: 95.5IoU: 81.8maximal F-measure: 95.6
논문 코드
LDF(ours)
MAE: 0.027
논문 코드

데이터셋

27개

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

하위 태스크