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:
- 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。