【论文阅读笔记】《Selective Search for Object Recognition》

《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：