算法来源及目的
用不同尺寸的滑动窗口去遍历整幅图片,时间、代价是难以承担的。这时引入了Selective Search算法。
目的:为了解决 如何提出候选区域
算法思想
- 先对图像进行过分割(尽可能打碎),分成尽可能多的不重复的子区域。类似下图的效果:
- 计算每两个相邻子区域的相似度,例如R1、R2的相似度记作S12,R2、R3的相似度记作S23,这样就构成了一个集合S。
- 找到S集合中相似度最大的两个子区域,这里假设S12最大,也就是要把R1和R2这两个子区域进行合并,记作R(n+1)。这样A集合就会逐渐增大,每合并一次产生新的R(n+…),就更新一遍S集合。
note:
- 已经合并了R1和R2,那么就要在原来的S大集合中删除与R1和R2有关的相似度。例如要删除S23。
- 还需计算新的相似度。例如:需计算新加入的R(n+1)与相邻子区域的相似度。
- 重复这样的步骤,直到S集合为空集。
- 在图中标注这些
这样,在图中画出A集合里的候选框,就生成了带有Region proposals的图。最后就可以输入这些Region proposals进入网络训练了。