笔记一|Selective Search for Object Recognition

1. 相关论文

分割方面【Felzenszwalb,P.F.,&Huttenlocher,D.P.(2004)】Efficent graph-based image segmentation

---

论文思路：用分割的方法产生一系列小的class independent object locations

论文链接：Selective Search

论文将分为以下几个部分记录

A selective search方法的介绍（已完成）

• 产生目标定位框（object locations boxes）的算法介绍
• 算法的决策方法
• 最终用于目标识别的区域

B 与目标识别的结合

C 算法的评估

---

一 selective search

1 聚合算法：将图像分成区域（regions），并提取相应的边界框（boxes）

1.1 阅读中的自问自答

【region是什么】从图像中提取区域，就是将图像中相似的像素集聚一起，形成一个又一个region。

在算法中实现为将图像看成是由许许多多不相交且并集为整个图像的区域所组成的

【算法的大白话叙述】从初始划分的region出发，逐步计算各region之间的相似度，两个相似的region合并成一个新的region，直至只剩下一个region，就是整张图，此时停止。

【为什么要对图像不断聚合】在这个过程中，我们可以从不断生成的区域上提取对应的边界框，这些盒子随着region的变换，包含了不同位置的像元，也形成了不同的大小这些盒子就是我们目标识别所需要的数据单位

【生成初始的regions是怎么实现的】生成的算法请看Felzenszwalb和Huttenlocher的分割算法

1.2 算法（Hierachical Group Algorithm）的介绍

A 层级的理解

B 用到的数据集合

• 相似集