selective search,可译为选择性搜索,在目标检测时我们需要先把图像里面可能存在物体的区域找出来,这样的步骤被称为region proposal,而selective search是一种较为理想的方法。
个人认为其意思就是选择性算法,选择一个更适合于处理的候选区域来减少计算量。(适合就是指里面包含了物体的大部分,而不是图像的背景,因为我们检测就是检测物体,识别出背景对我们来说其实没什么意义,徒增了计算量)
传统的滑动窗方法,为了获得目标区域的界限,需要进行大量的枚举,耗费了大量的计算力,比较不科学。
基于区域的(region proposal)搜索算法中,selective search在几年以前是较为热门的方法。其对图像分割后的原图进行自底向上的层次聚类算法,将图像中的区域进一步处理,进行合并,从而得到物体可能存在的区域。由此得到的区域相比于滑动窗法而言计算量小得多。
区域的合并是基于相似度算法的,在原文中为了将因素多样化,其相似度算法考虑了四方面因素:颜色、大小、纹理、交叠。