0 - 背景 　　在目標檢測任務中，我們希望輸入一副圖像，輸出目標所在的位置以及目標的類別。最常用的算法是滑動窗口方法，但滑動窗口其實相當於窮舉圖像中的所有子圖像，其效率低且精度也受限。該論文提出一種新的生成目標檢測框的方法selective search。 1 - 算法流程 ...

這篇筆記，僅僅是對選擇性算法介紹一下原理性知識，不對公式進行推倒. 前言： 這篇論文介紹的是，如果快速的找到的可能是物體目標的區域，不像使用傳統的滑動窗口來暴力進行區域識別.這里是使用算法從多個維度對找到圖片中，可能的區域目標，減少目標碎片，提升物體檢測效率. 下面是這篇文章的筆記 ...

寫在前面 因為找到了指導老師，現在准備開始學習目標檢測的相關內容，目標檢測有一個感性的認識還是比較簡單的，但是每個目標檢測更新換代的過程要自己實現和弄懂細節的話還是有點難度的。 這是一篇目標檢測的入門摘要博客，寫得非常不錯，有一個感性的認識完全是夠了。 通過基本的了解，我發現目標檢測的基本過程 ...

候選框確定算法 對於候選框的位置確定問題，簡單粗暴的方法就是窮舉或者說滑動窗口法，但是這必然是不科學的，因為時間和計算成本太高，直觀的優化就是假設同一種物體其在圖像鄰域內有比較近似的特征（例如顏色、紋理等等）。 由此提出使用比較廣泛的Selective search算法 Selective ...

一、滑動窗口檢測器 一種用於目標檢測的暴力方法就是從左到右，從上到下滑動窗口，利用分類識別目標。為了在不同觀察距離處檢測不同的目標類型，我們可以使用不同大小和寬高比的窗口 得到窗口內的圖片送入分類器，但是很多分類器只取固定大小的圖像，所以這些圖像需要經過一定的變形轉換。但是，這不影響分類 ...

在基於深度學習的目標檢測算法的綜述 那一節中我們提到基於區域提名的目標檢測中廣泛使用的選擇性搜索算法。並且該算法后來被應用到了R-CNN,SPP-Net,Fast R-CNN中。因此我認為還是有研究的必要。 傳統的目標檢測算法大多數以圖像識別為基礎。一般可以在圖片上使用窮舉法或者滑動窗口選出所有 ...

Selective search是一種基於特征的目標檢測算法，在R-CNN中被用來生成候選區域。 論文鏈接：http://www.huppelen.nl/publications/selectiveSearchDraft.pdf code鏈接：https://github.com ...

NO1.目標檢測 （分類+定位） 目標檢測（Object Detection）是圖像分類的延伸，除了分類任務，還要給定多個檢測目標的坐標位置。 NO2.目標檢測的發展 R-CNN是最早基於CNN的目標檢測方法，然后基於這條路線依次演進 ...