数据集概述
本数据集来自研究论文《Humans but not Deep Neural Networks Often Miss Giant Targets in Scenes》，包含人类受试者与深度神经网络在场景目标检测任务中的实验数据，以Excel表格和MATLAB .mat文件格式存储，为对比分析人类与AI的视觉感知差异提供数据支持。
文件详解
该数据集包含8个文件，具体说明如下：
- 图2相关数据文件:
- targetDetectionData.mat: MATLAB数据文件，列3（ContextualCondition）的1-6编码对应6种实验条件（1=正常尺寸目标存在；2=正常尺寸目标缺失；3=控制组目标存在；4=控制组目标缺失；5=错误缩放目标存在；6=错误缩放目标缺失）。
- UnityScenesDNNprobs.xlsx: Excel文件，包含深度神经网络在Unity场景中的目标检测概率数据。
- 图3相关数据文件:
- realScenesHumanData.mat: MATLAB数据文件，包含人类在真实场景中的目标检测数据。
- realworld_fasterRCNNprobs.mat: MATLAB数据文件，包含Faster R-CNN模型在真实场景中的目标检测概率数据。
- 图像文件:
- UnityImages.zip: 压缩文件，包含目标检测实验中使用的原始Unity图像。
- AdditionalUnityImages.zip: 压缩文件，包含深度神经网络处理的额外Unity图像，以及用于生成图2e人类数据图的原始图像子集。
- objectNamingTaskImages.zip: 压缩文件，包含物体命名任务中使用的孤立目标图像。
- 物体命名任务数据文件:
- objectNamingData.xlsx: Excel文件，包含物体命名任务的人类响应数据。
适用场景
- 计算机视觉研究: 对比人类与深度神经网络在目标检测任务中的表现差异。
- 认知心理学研究: 分析人类视觉感知中目标大小、场景上下文对检测结果的影响。
- 人工智能模型评估: 评估深度神经网络在处理非常规尺寸目标时的局限性。
- 视觉认知机制分析: 探究人类"遗漏大型目标"现象的认知机理。
