用于对象检测的OpenCV选择性搜索，是否可以代替YOLOV3算法

选择性搜索

前期很多文章我们讲述了如何使用OpenCV来进行对象的检测，哪里我们主要使用了图片检测的不同算法，包括Fast-RCNN ,YOLOV3等等，不同的检测算法使用不同的图片检测，最著名的当属卷积神经网络

我们主要使用的图片检测机制：

图像金字塔创建了输入图像的多尺度表示，使我们能够检测多种尺度/尺寸的物体：

图片金字塔检测

滑动窗口与图像金字塔的每一层上进行操作，从左到右，由上到下方，从而使我们能够定位其中在图像中的需要定位的对象，以上过程是漫长的，特别对配置较差的电脑来说，这样的处理机制无疑增加了负担

什么是OpenCV选择性搜索

“选择性搜索”试图将超像素合并在一起，以找到可能包含对象的图像区域

选择性搜索基于五个关键的相似度以分层方式合并超像素：

1. 颜色相似度：为图像的每个通道计算25bit直方图，将它们连接在一起，并获得25×3 = 75-d的最终描述符。