本文主要是介绍目标检测-selective search算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
selective search，可译为选择性搜索，在目标检测时我们需要先把图像里面可能存在物体的区域找出来，这样的步骤被称为region proposal，而selective search是一种较为理想的方法。
个人认为其意思就是选择性算法，选择一个更适合于处理的候选区域来减少计算量。（适合就是指里面包含了物体的大部分，而不是图像的背景，因为我们检测就是检测物体，识别出背景对我们来说其实没什么意义，徒增了计算量）
传统的滑动窗方法，为了获得目标区域的界限，需要进行大量的枚举，耗费了大量的计算力，比较不科学。
基于区域的（region proposal）搜索算法中，selective search在几年以前是较为热门的方法。其对图像分割后的原图进行自底向上的层次聚类算法，将图像中的区域进一步处理，进行合并，从而得到物体可能存在的区域。由此得到的区域相比于滑动窗法而言计算量小得多。
区域的合并是基于相似度算法的，在原文中为了将因素多样化，其相似度算法考虑了四方面因素：颜色、大小、纹理、交叠。
这篇关于目标检测-selective search算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
