目标检测——Selective Search算法理解

滑动窗口算法/Sliding Window Algorithm

在滑动窗口方法中，我们在图像上滑动一个框或窗口来选择一个区域，并使用目标识别模型对窗口覆盖的每个图像块进行分类。这是一个穷尽搜索整个图像的对象。我们不仅需要搜索图像中所有可能的位置，还得在不同的尺度上搜索。这是因为物体识别模型通常是在特定的尺度（或范围）上进行训练的。这将对成千上万的图像块进行分类。 

滑动窗口方法对于固定的纵横比对象，例如人脸或行人是很好的。图像是三维物体的二维投影，对象特征，如纵横比和形状根据所拍摄图像的角度而显著变化。滑动窗口的方法因为需要搜索多个纵横比，因此变得非常昂贵。

区域建议的算法/Region Proposal Algorithms

将图像作为输入和输出边界框，对应于图像中最可能成为对象的所有子区域。这些区域建议可能是嘈杂的，重叠的，可能不完全包含对象，但在这些区域建议中，将有一个与图像中的实际对象非常接近的建议。然后，我们可以使用对象识别模型对这些提议进行分类。具有高概率分数的区域建议是对象的位置。

区域建议算法利用分割的方法识别图像中的前景物体。在分割时我们认为相邻的区域是彼此相似，基于一些标准，如颜色、纹理等不同的滑动窗口的方法，我们正在寻找所有的像素的位置和在所有尺度的对象，区域算法工作的分组像素到一个较小的段数。因此，提议的最终数量比滑动窗口方法少很多倍。这减少了我们必须分类的图像块的数量。这些生成的区域建议具有不同的尺度和长宽比。

目前提出了几种区域建议方法，如

1. Objectness 
2. Constrained Parametric Min-Cuts for Automatic Object Segmentation 
3. Category Independent Object Proposals 
4. Randomized Prim 
5. Selective Search

在所有这些区域建议方法中，选择性搜索是最常用的，因为它速度快，召回率高。

目标识别的选择性搜索

选择性搜索是一种用于目标检测的区域推荐算法。它的设计速度快，召回率高。它是根据颜色、纹理、大小和形状的兼容性，计算相似区域的层次分组。、

选择性搜索开始了基于利用图由Felzenszwalb和Huttenlocher分割方法的像素的图像分割。该算法的输出如下所示。右边的图像包含用纯色表示的分段区域。

我们可以在这个图像中使用分段部分作为区域建议吗？答案是否定的，有两个原因可以解释为什么我们不能做到这一点：

　　1. 原始图像中的大多数实际对象包含2个或多个分段部分。 
　　 2. 用这种方法不能为被遮挡的物体提出建议，例如杯子覆盖的盘子或装满咖啡的杯子。

　　如果我们试图通过进一步合并相似的相邻区域来解决第一个问题，我们将得到一个覆盖两个对象的分段区域。完美的分割不是我们的目标。我们只是想预测许多区域的建议，其中一些建议应该与实际对象有很高的重叠。选择性搜索使用oversegments Felzenszwalb Huttenlocher的方法作为初始种子。过分割图像看起来像这样：
 

 

选择搜索算法将这些oversegments作为初始输入并执行以下步骤：

1. 将分段部分对应的所有边界框添加到区域建议列表中
2. 基于相似性的群邻近段
3. 转到步骤1

 在每次迭代中，都会生成较大的段，并添加到区域建议列表中。因此，我们用自下而上的方法从更小的部分到更大的部分创建区域建议。这就是我们所说的“层次”的基础上计算分割使用Huttenlocher的oversegments。

该图像显示了分层分割过程的初始、中间和最后一个步骤。