0 - 背景 　　在目标检测任务中，我们希望输入一副图像，输出目标所在的位置以及目标的类别。最常用的算法是滑动窗口方法，但滑动窗口其实相当于穷举图像中的所有子图像，其效率低且精度也受限。该论文提出一种新的生成目标检测框的方法selective search。 1 - 算法流程 ...

这篇笔记，仅仅是对选择性算法介绍一下原理性知识，不对公式进行推倒. 前言： 这篇论文介绍的是，如果快速的找到的可能是物体目标的区域，不像使用传统的滑动窗口来暴力进行区域识别.这里是使用算法从多个维度对找到图片中，可能的区域目标，减少目标碎片，提升物体检测效率. 下面是这篇文章的笔记 ...

写在前面 因为找到了指导老师，现在准备开始学习目标检测的相关内容，目标检测有一个感性的认识还是比较简单的，但是每个目标检测更新换代的过程要自己实现和弄懂细节的话还是有点难度的。 这是一篇目标检测的入门摘要博客，写得非常不错，有一个感性的认识完全是够了。 通过基本的了解，我发现目标检测的基本过程 ...

候选框确定算法 对于候选框的位置确定问题，简单粗暴的方法就是穷举或者说滑动窗口法，但是这必然是不科学的，因为时间和计算成本太高，直观的优化就是假设同一种物体其在图像邻域内有比较近似的特征（例如颜色、纹理等等）。 由此提出使用比较广泛的Selective search算法 Selective ...

一、滑动窗口检测器 一种用于目标检测的暴力方法就是从左到右，从上到下滑动窗口，利用分类识别目标。为了在不同观察距离处检测不同的目标类型，我们可以使用不同大小和宽高比的窗口 得到窗口内的图片送入分类器，但是很多分类器只取固定大小的图像，所以这些图像需要经过一定的变形转换。但是，这不影响分类 ...

在基于深度学习的目标检测算法的综述 那一节中我们提到基于区域提名的目标检测中广泛使用的选择性搜索算法。并且该算法后来被应用到了R-CNN,SPP-Net,Fast R-CNN中。因此我认为还是有研究的必要。 传统的目标检测算法大多数以图像识别为基础。一般可以在图片上使用穷举法或者滑动窗口选出所有 ...

Selective search是一种基于特征的目标检测算法，在R-CNN中被用来生成候选区域。 论文链接：http://www.huppelen.nl/publications/selectiveSearchDraft.pdf code链接：https://github.com ...

NO1.目标检测 （分类+定位） 目标检测（Object Detection）是图像分类的延伸，除了分类任务，还要给定多个检测目标的坐标位置。 NO2.目标检测的发展 R-CNN是最早基于CNN的目标检测方法，然后基于这条路线依次演进 ...