Selective Search for Object Recognition----论文笔记

一、为什么提出selective search

1）exhaustive search缺点多，像搜索域大（计算量大）、搜索尺度固定。

2）传统的segmentation方法，依赖于单个强大的算法，计算开销大。selective search用多个融合准则（grouping criteria）和表达（representation）来处理各种图像内容（三个臭皮匠，赛过一个诸葛亮）。

二、selective search的框架

设计思想：

• 能捕捉到所有尺度，因为object有大有小。
• 多样化，因为图像受颜色、纹理、光照条件等多种因素影响，单一策略无法适应所有情况。
• 计算速度要快，因为谁不希望快嘛~

算法步骤：

1）初始化一些区域。

2）迭代融合区域：

    2.1）计算相邻区域的相似性。

    2.2）融合最相似的两个区域，得到融合后的区域。

    2.3）计算相邻区域的相似性。

3）一直迭代，直至整张图片成为一个区域。

注：相似性度量的设计思想是：融合后相似度r_l可以由整合前的两个相似度r_i、r_j计算得到，而不用再从像素级重新计算。

三、selective search的优点

1）可以多尺度捕捉图像。

2）相比于exhaustive search，计算速度快得多。

四、selective search的缺点

想不到，咋办。。。

五、selective search的适用场合

1）目标识别。

六、selective search的补充

为了适应复杂的图像内容，作者

1）利用了不同颜色空间所具有的不变性。

2）采用了多个相似度度量。