深度学习 selectivesearch算法理解

采用selectivesearch算法产生的region proposal

Object Detection，即物体检测，是计算机视觉领域中的经典任务之一。给定一幅图像，使之能够定位物体、并判断该物体的类别(比如是只猫还是狗)。所以，解决这个问题，很重要的一点就是要准确地找到物体的位置，否则即便有再好的判别器，也事倍功半。传统的算法在做region proposal时，多采用滑动窗口方法，虽然涵盖面广，却生成了许多无用的图像块，耗费大量的计算，速度也很慢。那么有没有一种算法，既可以产生能够覆盖目标区域的region，又可以减少region的数量呢？答案是肯定的，那就是接下来将要介绍的selectivesearch算法了。

我们先通过应用，来认识该算法。在linux环境下，可以通过pip install selectivesearch命令安装算法包，使用python导入便可以直接使用该算法了，具体来说:

其中，img是我们输入的原始图片；img_lab是在原图RGB三通道的基础上增加了一个通道，该通道标注了对应像素的类别；regions是个list，包含了所有proposal region的信息，每个region是个字典，其中的keys为rect、size、label。rect对应的value存放的是region的坐标和宽高(x, y, w ,h)，而size指的是该区域中属于该label的像素个数，而不是区域的大小。弄明白这些后，我们就可以使用该函数获得我们想要的一些数据了。

好奇的你是否已经开始产生疑问:那selective_search函数中的参数各代表什么呢？

做图像分割，最终的目的是希望把同一类别(即相似)的元素或者区域合并到一起，不同的元素或者区域分割开来，而Felzenszwalb算法正是基于图论进行图像分割的。所以，了解该算法，需要我们掌握基本的图论知识，比如无向图、树、最小生成树，但不必深究各种细节。

‌ Felzenszwalb算法把图像中的像素点看做是一个个结点，像素点之间的不相似度作为边的权重，通过将相似的像素聚合到一起，产生同一区域(表现为最小生成树)。那么对于已经生成好的两个相邻区域A和B，算法又是如何判断它们是否可以合并的呢？对于A和B两个区域，取其类内的结点之间的边的权重最大值Wa和Wb，然后取两区域(类间)连接的边中权重最小值Wab，如果Wab比Wa和Wb都要小，则满足两个区域合并的要求。可是，对于一开始单元素区域，类内无边，权重无限小，类间最小权重肯定是无法满足要求的，这样子从一开始就会导致每个元素都“各自为政”。所以，函数中的scale参数就是用来解决这个问题。在计算类内最大权重时，需要额外增加一个偏置scale/c，其中的c就是区域中像素个数，一开始c=1，随着区域增加，偏置的作用也会相应减小。函数的另一个参数min_size，是用来合并像素个数过小的区域，如果区域像素个数少于min_size，则与最相似区域合并。在做这些工作前，为了减少图像不平滑的问题，作者先是用了高斯滤波处理图像，sigma就是高斯核的大小。

好了，关于selectivesearch算法就到这里了，个人感觉根据不同大小的输入图像，参数值的选取还是很需要经验的。

如有阐释不对之处，烦请指正。