本文主要是介绍目标检测之Selective Search原理简述，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！
目标检测物体的候选框是如何产生的？
如今深度学习火热的今天，RCNN/SPP-Net/Fast-RCNN等文章都会谈及bounding boxes(候选边界框)的生成与筛选策略。那么候选框是如何产生，又是如何进行筛选的呢？其实物体候选框获取当前主要使用图像分割与区域生长技术。区域生长(合并)主要由于检测图像中存在的物体具有局部区域相似性(颜色、纹理等)。目标识别与图像分割技术的发展进一步推动有效提取图像中信息。滑窗法作为一种经典的物体检测方法，个人认为不同大小的窗口在图像上进行滑动时候，进行卷积运算后的结果与已经训练好的分类器判别存在物体的概率。选择性搜索(Selective Search)是主要运用图像分割技术来进行物体检测。
—————————— 滑窗法(Sliding Window) ——————————
首先来看一下滑窗法的物体检测流程图：
这篇关于目标检测之Selective Search原理简述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！
