Selective Search for Object Recognition

Selective Search for Object Recognition

本文相关

• Paper Summary:https://github.com/FDU-VTS/CVPaper
• Code:https://github.com/FDU-VTS/CVCode

原文链接

• http://www.icst.pku.edu.cn/F/course/ImageProcessing/2017/resource/IJCV2013_Selective%20Search%20for%20Object%20Recognition.pdf

概要

• 本文主要介绍了Selective Search算法，该算法被广泛应用于物体检测算法中。

算法流程解读

• 整体流程

   Algorithm 1: Hierarchical Grouping algorithm
     Input: (color)image
     Output: Set of object location hypotheses
     Obtain initial tegions R = {r1,...,rn} using[1]
     Initialise similarity set S = 0
     foreach Neighbouring region pair(ri, rj) do
       Calculate similarity s(ri,rj)
       S = S∪s(ri,rj)
     while S != ∅ do
       Get highest similarity s(ri,rj) = max(S)
       Merge corresponding regions rt = ri ∪ rj
       Remove similarities regarding ri:S = S\s(ri,r*)
       Remove similarities regarding rj:S = S\s(r*,rj)
       Calculate similarity set St between rt and its neighbours
       S = S ∪ St
       R = R ∪ rt
     Extract object location boxes L from all regions in R
  

• 首先input:一张W*H*3的图片

• output:一组由边界组成的集合

• 获取初始化图像分割使用Efficient Graph-Based Image Segmentation

• S表示的是所有区域之间的相似度，不断合并其中相似度最高的区域

相似度计算

• colour(ri,rj)
  • 相似度计算公式:
  • 解释: C1和C2之间的相似度即为，计算C1和C2的HOG，计算两个HOG的重叠面积即为相似度，计算之前先用L1_norm进行正则化
  • 合并公式:
  • 解释: 新生成的区域为对原有两个区域进行归一化
• texture(ri,rj)
  • 使用SIFT算法进行梯度提取总和
• size(ri,rj)
  • 公式:
  • 解释: ri和rj为选取的两个区域,im为整张图片,意思为优先合并小区域
• fill(ri,rj)
  • 公式:
  • 解释: 重叠面积占比越多越大

结果计算

• 计算四个相似度之和，按照整体流程描述的合并思路进行合并