Selective Search
Selective Search for Object Recognition
本文的proposal是object detection領域中的unsupervised learning method中一種著名的方法。
Selective Search:
(1), Capture all scales， 保證對各種scale的object都可以capture到
(2), Diversification ， 組成object的regions可以是由顏色，曲線， 條紋等
(3), Fast to Compute， selective search的目標是獲得一個可行的object proposal的集合
計算不同region之間的similarity，合並相似度高的regions直到整個image成為了一個region。
對於region之間的相似度衡量，有多種實現方法：
(1)， 基於顏色空間
可以從RGB顏色空間，光照強度（grey-scale image），HSV，normalized RGB， 等等
(2)， 基於相似度衡量
顏色相似度：
其中color histograms為：
紋理相似度：
紋理的histograms計算類似顏色。
還有一個是對小的size盡量在早期進行merge
衡量ri 和 rj的相互匹配的衡量公式：
將上面的四種相似度衡量公式進行combination，其中ai = {0, 1} 表示是否使用當前的similarity measure。
Object recognition： 主要采取兩種具有優勢feature extraction方法：
(1)， Histograms of oriented gradients (HOG)
(2)，Bag-of-words
通過強分類器SVM來進行object classification，使用SVM的好處是對categories imbalance不敏感，且分類效果強。
總結：
Selective Search是object detection中利用unsupervised learning下的最為經典的方法之一。