RCNN选择性搜索（Selective Search）

RCNN选择性搜索（Selective Search）

 

基于：

1）图片大小

2）颜色

3）纹理

4）附件

 

 

算法一：分组分类算法

输入：（图层颜色）图片

输出：对象位置假设集L

 

Obtain initial regions R = {r1,··· ,rn} using [13]

Initialise similarity set S = 空集

foreach Neighbouring region pair (ri,rj) do        //遍历全部临近的像素对

　　Calculate similarity s(ri,rj)            　　　　//计算全部像素对之间的类似度

　　S= S∪s(ri,rj)　　　　　　　　　　　　　//把相应的类似度保存在集合S中

 

while S≠空集 do

　　Get highest similarity s(ri,rj) = max(S)　　　　　　　　　　//从集合S中取出类似度最高的像素对

　　Merge corresponding regions rt = ri ∪rj　　　　　　　　　//把两个像素进行合并

　　Remove similarities regarding ri : S = S \ s(ri,r∗)　　　　　　//从集合S中除去和ri有关的类似度

　　Remove similarities regarding rj : S = S \ s(r∗,rj)　　　　　　//从集合S中除去和rj有关的类似度

　　Calculate similarity set St between rt and its neighbours　　　　//计算rt和临近像素点的类似度

　　S = S∪St　　　　　　　　　　　　　　　　　　　　　　//将类似度存入集合S中

　　R = R∪rt　　　　　　　　　　　　　　　　　　　　　　//将rt存入集合R中

 

Extract object location boxes L from all regions in R

 

 

优先合并如下四种区域： 
- 颜色（颜色直方图）相近的 
- 纹理（梯度直方图）相近的 
- 合并后总面积小的 
- 合并后，总面积在其BBOX中所占比例大的

第三条，保证合并操做的尺度较为均匀，避免一个大区域陆续“吃掉”其余小区域。（Get highest similarity s(ri,rj) = max(S)经过此处实现）

例：设有区域a-b-c-d-e-f-g-h。较好的合并方式是：ab-cd-ef-gh -> abcd-efgh -> abcdefgh。 
很差的合并方法是：ab-c-d-e-f-g-h ->abcd-e-f-g-h ->abcdef-gh -> abcdefgh。

 

第四条，保证合并后形状规则。

例：左图适于合并，右图不适于合并。 

上述四条规则只涉及区域的颜色直方图、纹理直方图、面积和位置。合并后的区域特征能够直接由子区域特征计算而来，速度较快。