选择性搜索

什么是选择性搜索？

　　选择性搜索是一种用于目标检测的区域推荐算法。它的设计速度快，召回率高。它是根据颜色、纹理、大小和形状的兼容性，计算相似区域的层次分组。 
　　 
　　选择性搜索开始了基于利用图由Felzenszwalb和Huttenlocher分割方法的像素的图像分割。该算法的输出如下所示。右边的图像包含用纯色表示的分段区域。 
　　

　　我们可以在这个图像中使用分段部分作为区域建议吗？答案是否定的，有两个原因可以解释为什么我们不能做到这一点：

　　1. 原始图像中的大多数实际对象包含2个或多个分段部分。 
　　2. 用这种方法不能为被遮挡的物体提出建议，例如杯子覆盖的盘子或装满咖啡的杯子。

　　如果我们试图通过进一步合并相似的相邻区域来解决第一个问题，我们将得到一个覆盖两个对象的分段区域。完美的分割不是我们的目标。我们只是想预测许多区域的建议，其中一些建议应该与实际对象有很高的重叠。选择性搜索使用oversegments Felzenszwalb Huttenlocher的方法作为初始种子。过分割图像看起来像这样：

　　　　

　　选择搜索算法将这些oversegments作为初始输入并执行以下步骤：

1. 将分段部分对应的所有边界框添加到区域建议列表中
2. 基于相似性的群邻近段
3. 转到步骤1

　　在每次迭代中，都会生成较大的段，并添加到区域建议列表中。因此，我们用自下而上的方法从更小的部分到更大的部分创建区域建议。这就是我们所说的“层次”的基础上计算分割使用Huttenlocher的oversegments。 
　　　　　　　　　　　　　　　　

　　该图像显示了分层分割过程的初始、中间和最后一个步骤。其中文章中涉及的各种相似性参考原文中： 
http://www.learnopencv.com/selective-search-for-object-detection-cpp-python/