《Selective Search for object detection》論文閱讀記錄

SS方法是當(dāng)前region proposal最主流使用的方法叠聋,在這里對(duì)這篇論文做一個(gè)一定程度的學(xué)習(xí)和理解記錄狡恬。

1.Selective Search By Hierarchical Grouping

1.使用Felzenszwalb and Huttenlocher的region算法,創(chuàng)建初始的region

2.然后使用貪心算法逐個(gè)合并region

? ? ? ? ?計(jì)算相鄰region的相似性良拼,最相似的兩個(gè)合并,不斷重復(fù),新的合并后的region繼續(xù)和相鄰region計(jì)算相似性皱炉,直到整個(gè)圖片成為一整個(gè)region (需要注意的是,為了計(jì)算方便狮鸭,當(dāng)兩個(gè)region合并的時(shí)候合搅,新的region的特征應(yīng)當(dāng)從之前的兩個(gè)region的特征直接計(jì)算出,而不是再回到圖片像素來(lái)計(jì)算)

2. Diversification Strategies

1,color similarity 色彩相似度歧蕉,通過(guò)了多種色彩格式和channel

2, texture similarity 紋理相似度

3, size 這里的大小是指區(qū)域中包含像素點(diǎn)的個(gè)數(shù)灾部。使用大小的相似度計(jì)算,主要是為了盡量讓小的區(qū)域先合并

4, fill 判斷兩個(gè)region是否適合合并惯退,其指標(biāo)是合并后的區(qū)域的Bounding Box(能夠框住區(qū)域的最小矩形(沒(méi)有旋轉(zhuǎn)))越小赌髓,其吻合度越高

3,Object Recognition using Selective Search

核心策略:bag-of-words for object detection


系統(tǒng)在實(shí)現(xiàn)過(guò)程中催跪,使用color-SIFT特征以及spatial pyramid divsion方法锁蠕。在一個(gè)尺度下σ=1.2下抽樣提取特征。使用SIFT懊蒸、Extended OpponentSIFT荣倾、RGB-SIFT特征,在四層金字塔模型 1×1骑丸、2×2舌仍、3×3、4×4通危,提取特征铸豁,可以得到一個(gè)維的特征向量。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末黄鳍,一起剝皮案震驚了整個(gè)濱河市推姻,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌框沟,老刑警劉巖藏古,帶你破解...
    沈念sama閱讀 211,290評(píng)論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件增炭,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡拧晕,警方通過(guò)查閱死者的電腦和手機(jī)隙姿,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,107評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)厂捞,“玉大人输玷,你說(shuō)我怎么就攤上這事∶夷伲” “怎么了欲鹏?”我有些...
    開(kāi)封第一講書人閱讀 156,872評(píng)論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)臭墨。 經(jīng)常有香客問(wèn)我赔嚎,道長(zhǎng),這世上最難降的妖魔是什么胧弛? 我笑而不...
    開(kāi)封第一講書人閱讀 56,415評(píng)論 1 283
  • 正文 為了忘掉前任尤误,我火速辦了婚禮,結(jié)果婚禮上结缚,老公的妹妹穿的比我還像新娘损晤。我一直安慰自己,他們只是感情好红竭,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,453評(píng)論 6 385
  • 文/花漫 我一把揭開(kāi)白布尤勋。 她就那樣靜靜地躺著,像睡著了一般德崭。 火紅的嫁衣襯著肌膚如雪斥黑。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書人閱讀 49,784評(píng)論 1 290
  • 那天眉厨,我揣著相機(jī)與錄音,去河邊找鬼兽狭。 笑死憾股,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的箕慧。 我是一名探鬼主播服球,決...
    沈念sama閱讀 38,927評(píng)論 3 406
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼颠焦!你這毒婦竟也來(lái)了斩熊?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書人閱讀 37,691評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤伐庭,失蹤者是張志新(化名)和其女友劉穎粉渠,沒(méi)想到半個(gè)月后分冈,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,137評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡霸株,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,472評(píng)論 2 326
  • 正文 我和宋清朗相戀三年雕沉,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片去件。...
    茶點(diǎn)故事閱讀 38,622評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡坡椒,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出尤溜,到底是詐尸還是另有隱情倔叼,我是刑警寧澤,帶...
    沈念sama閱讀 34,289評(píng)論 4 329
  • 正文 年R本政府宣布宫莱,位于F島的核電站丈攒,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏梢睛。R本人自食惡果不足惜肥印,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,887評(píng)論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望绝葡。 院中可真熱鬧深碱,春花似錦、人聲如沸藏畅。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 30,741評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)愉阎。三九已至绞蹦,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間榜旦,已是汗流浹背幽七。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 31,977評(píng)論 1 265
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留溅呢,地道東北人澡屡。 一個(gè)月前我還...
    沈念sama閱讀 46,316評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像咐旧,于是被迫代替她去往敵國(guó)和親驶鹉。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,490評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容