D2-滑窗法 & Selective Search

滑窗法 & Selective Search

无论滑窗法还是Selective Search，这种找出可能包含物体的区域的方法，统称为Region Proposal。

滑窗法，首先需要一个训练好的分类器，然后把图像按照一定间隔和不同的大小分成一个个窗口，在这些窗口执行分类器，如果得到较高的分类分数，就认为是检测到了物体。每个窗口都执行一编分类器，再对得到的分数做一些后处理如非极大值抑制等，最后就得到物体类别和对应区域。

Selective Search采用超像素合并，把图像分割成很多小区域，这些区域就是最基础的子区域，或者可以看作是超像素。然后根据区域间相似性进行合并，成为大一点的区域。这种相似性可以是颜色、纹理和大小等。不断迭加最后会合并成一个区域，这个过程中，给每个区域做外切矩形，就得到预测的方框。