《Selective Search for Object Recognition》
Uijlings J R R , K. E. A. van de Sande…. Selective Search for Object Recognition[J]. International Journal of Computer Vision(IJCV), 2013, 104(2):154-171.
首先使用‘Felzenszwalb, P. F., & Huttenlocher, D. P. (2004). Efficient graph-based image segmentation. International Journal of Computer Vision, 59, 167–181’ 论文提出的方法 产生初始分割区域,如上图左上角图所示,这个初始分割区域足够小以至于每一个分割区域都只局限在一个object中,使用图像的通道,相似性测度,初始分割参数k的不同组合(文中将这种组合称为Diversification Strategies)对图像进行Hierarchical Grouping,最终计算每一个region的bounding box, 这些bounding box 就是最终的proposal region。
Hierarchical的做法如下所示:
计算每一个region与neighbor region 的相似性,合并相似性最大的两个region,并将新region存入Region集R中,并计算这个新region与周围region的相似性,并合并相似性最大的两个region,并将新region存入Region集R中,一直迭代,算法如下。
相似性测度集如下:每一个测度均是一个位于0到1之间的数。
颜色相似性测度: 计算图像每一个通道的颜色直方统计图(bin=25),对直方图进行L1正则化。
测度计算公式:
纹理相似性测度:
使用fast SIFT-like measurements计算纹理相似性。
size相似性测度:
鼓励比较小的region之间进行合并,保证每一个等级的region的大小都是相似的。
Fill 测度:
防止距离太远的region合并,
Combining Locations: