Selective Search

Selective Search for Object Recognition

本文的proposal是object detection领域中的unsupervised learning method中一种著名的方法。

Selective Search:

(1), Capture all scales，  保证对各种scale的object都可以capture到

(2), Diversification ，  组成object的regions可以是由颜色，曲线， 条纹等

(3), Fast to Compute， selective search的目标是获得一个可行的object proposal的集合

计算不同region之间的similarity，合并相似度高的regions直到整个image成为了一个region。

对于region之间的相似度衡量，有多种实现方法：

(1)， 基于颜色空间

可以从RGB颜色空间，光照强度（grey-scale image），HSV，normalized RGB， 等等

(2)， 基于相似度衡量

颜色相似度：

其中color histograms为：

纹理相似度：

纹理的histograms计算类似颜色。

还有一个是对小的size尽量在早期进行merge

衡量ri 和 rj的相互匹配的衡量公式：

将上面的四种相似度衡量公式进行combination，其中ai = {0, 1} 表示是否使用当前的similarity measure。

Object recognition： 主要采取两种具有优势feature  extraction方法：

(1)， Histograms of oriented gradients (HOG)

(2)，Bag-of-words

通过强分类器SVM来进行object classification，使用SVM的好处是对categories imbalance不敏感，且分类效果强。

总结：

Selective Search是object detection中利用unsupervised learning下的最为经典的方法之一。

论文-Selective Search