RCNN選擇性搜索（Selective Search）

RCNN選擇性搜索（Selective Search）

 

基於：

1）圖片大小

2）顏色

3）紋理

4）附件

 

 

算法一：分組分類算法

輸入：（圖層顏色）圖片

輸出：對象位置假設集L

 

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

Initialise similarity set S = 空集

foreach Neighbouring region pair (ri,rj) do        //遍歷全部臨近的像素對

　　Calculate similarity s(ri,rj)            　　　　//計算全部像素對之間的類似度

　　S= S∪s(ri,rj)　　　　　　　　　　　　　//把相應的類似度保存在集合S中

 

while S≠空集 do

　　Get highest similarity s(ri,rj) = max(S)　　　　　　　　　　//從集合S中取出類似度最高的像素對

　　Merge corresponding regions rt = ri ∪rj　　　　　　　　　//把兩個像素進行合併

　　Remove similarities regarding ri : S = S \ s(ri,r∗)　　　　　　//從集合S中除去和ri有關的類似度

　　Remove similarities regarding rj : S = S \ s(r∗,rj)　　　　　　//從集合S中除去和rj有關的類似度

　　Calculate similarity set St between rt and its neighbours　　　　//計算rt和臨近像素點的類似度

　　S = S∪St　　　　　　　　　　　　　　　　　　　　　　//將類似度存入集合S中

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

 

Extract object location boxes L from all regions in R

 

 

優先合併如下四種區域： 
- 顏色（顏色直方圖）相近的 
- 紋理（梯度直方圖）相近的 
- 合併後總面積小的 
- 合併後，總面積在其BBOX中所佔比例大的

第三條，保證合併操做的尺度較爲均勻，避免一個大區域陸續「吃掉」其餘小區域。（Get highest similarity s(ri,rj) = max(S)經過此處實現）

例：設有區域a-b-c-d-e-f-g-h。較好的合併方式是：ab-cd-ef-gh -> abcd-efgh -> abcdefgh。 
很差的合併方法是：ab-c-d-e-f-g-h ->abcd-e-f-g-h ->abcdef-gh -> abcdefgh。

 

第四條，保證合併後形狀規則。

例：左圖適於合併，右圖不適於合併。 

上述四條規則只涉及區域的顏色直方圖、紋理直方圖、面積和位置。合併後的區域特徵能夠直接由子區域特徵計算而來，速度較快。