rcnn中的selective search

本文介绍了一种基于区域的图像分割方法,该方法首先将图像细分为多个小块,随后依据相似度评估聚合相邻区域,形成候选分割区域。通过调整参数scale、sigma和min_size,可以控制分割的精细程度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

通过基于区域的方法,将图像分成许多小块,然后根据相似度的计算,不断聚合相邻小区域

具体解析参见:https://www.cnblogs.com/zyly/p/9259392.html

img_lbl, regions = selectivesearch.selective_search(
        img, scale=500, sigma=0.9, min_size=10)

img_lbl与分割的原始候选区域有关,

regions是指使用selective search得到的候选区域,其形式为

  [
                {
                    'rect': (left, top, width, height),
                    'labels': [...],
                    'size': component_size
                },
                ...
    ]

其中,size表示其区域的像素大小

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值