深度篇——图像处理的一些方法(一) 关于 图像处理的三个层次 与 selective search

VIP深度篇——图像处理的一些方法(一) 关于 图像处理的三个层次 与 selective search
返回主目录返回 图像处理的一些方法 目录下一章:深度篇——图像处理的一些方法(二)细说性能评估 IOU和 GIOU目录内容深度篇——图像处理的一些方法(一)关于图像处理的三个层次 与 selective search深度篇——图像处理的一些方法(二)细说性能评估 IOU和 GIOU深度篇——图像处理的一些方法(三)细说 HOG特征与bag-o...
开通可读全文 ·2.9k 人阅读
最低0.47元/天 解锁文章

返回主目录

返回 图像处理的一些方法 目录

下一章:深度篇——图像处理的一些方法(二) 细说 性能评估 IOU 和 GIOU

 

目录内容

深度篇——图像处理的一些方法(一) 关于 图像处理的三个层次 与 selective search

深度篇——图像处理的一些方法(二) 细说 性能评估 IOU 和 GIOU

深度篇——图像处理的一些方法(三)  细说 HOG 特征 与 bag-of-word

深度篇——图像处理的一些方法(四) 细说 图像金字塔

 

本章节对图像处理的一些方法讲解,是为了在后面讲到图像处理时,需要的一些先验知识,以便于更好的理解。

 

论文地址:《Selective Search for Object Recognition》

 

本小节,关于 图像处理的三个层次 与 selective search,下一小节细说 性能评估 IOU 和 GIOU

 

一. 图像处理的三个层次

1. 分类(classification)

      即是将图像结构化为某一类别的信息,用事先确定好的类别(String) 实例的 ID 来描述图像(如手写数字识别)。这一任务是最简单、最基础的图像理解任务,也是深度学习模型最先取得突破和实现大规模应用的任务。其中,ImageNet 是最权威的评测机构,每年的 ILSVRC 催生了大量的优秀深度网络结构,为其他任务提供了基成。在应用领域、人脸、场景的识别等都可以归为分类任务。

 

2. 检测(detection)

      分类任务关心整体,给出的是整张图像的内容描述,而检测则关注特定的物体目标,要求同时获得这一目标的类别信息和位置信息。相比分类,检测给出的是图像前景和背景的理解,需要从背景中分离出感兴趣的目标,并确定这一目标的描述(类别和位置),因而,检测模型的输出是一个列表,列表的每一项使用一个数据给出检测目标的类别和位置(常用矩形检测框的坐标表示)。

 

3. 分割(segmentation)

      分割包括语义分割(semantic segmentation) 和实例分割(instance segmenation),前者是对前背景分离的拓展,要求分离开具有不同语义的图像部分,而后者是检测任务的拓展,要求描述出目标的轮廓(相比检测框更为精细)。分割是对图像的像素级描述,它赋予每个像素类别(实例) 意义,适用于理解要求较高的场景,如无人驾驶中对道路和非道路的分割。

   (1). 语义分割

         只能分割出类别(如 人类、狗类 等)

   (2). 实例分割

         可以将每一个具体的实例分割出来(如分割出每一个人,每一条狗等),实现了目标检测和语义分割。

   (3). 全景分割

         包含了语义分割和实例分割。

 

二. selective search 选择性搜索

目标检测(Object Detection) 的目的是为了减少不必要因素的干扰(比如 从背景很负责的图像中识别出一个小动物,那样的准确率会大大的降低),此外还能同时得到目标在图像中的位置(还包括 宽度和高度)。当决定要进行 Object Detection 的时候,大家的想法都差不多的,滑动窗口扫描嘛,不同大小的窗口从左到右,从上到下的,一顿操作。不用想,这样是超级浪费时间的,绝大部分的扫描都是没用的,因为框住的根本不是目标。所以继续想,要是能直接框住图像中的目标,而不是那些无用的背景,而且也不需要框得特别准确。有了这一思想,于是人们想出了 selective search (选择性搜索)

selective search 的思想:

1. 区域相似度计算 

   在计算多种相似度的时候,都是把单一相似度的值归一化到 [0, 1] 之间,1 表示两个区域之间的相似度最大。

   (1). 颜色相似度

        首先通过利用颜色的相似度(毕竟如果颜色很相似,那么极有可能是一个整体),形成一些小的区域,具体算法是将整张图看成一个无向图,节点之间的距离就是像素的距离(在这里使用 RGB 计算距离并不好,最好转换一下颜色空间,如 HSV 等)。使用 \large L_{1} - norm 归一化获取图像每个像素通道的 25 bins 的直方图,这样每个区域都可以得到一个 75 维的向量 \large \{c_{i, 1}, c_{i, 2}, ......, c_{i, n} \},区域之间颜色相似度通过下面的公式计算:

                 \LARGE S_{color}(r_{i}, r_{j}) = \sum_{k = 1}^{n} \min (c_{i, k}, c_{j, k})

         由于 \large \{c_{i, 1}, c_{i, 2}, ......, c_{i, n}\} 是归一化后的值,每一个颜色通道的直方图累加和为 1.0,三个通道的累加和就是 3.0,如果区域 \large c_{i} 和区域 

VIP 别再只会用RCNN了!手把手带你复现Selective Search算法(附Python代码与避坑指南) 本文详细解析了选择性搜索算法(Selective Search)的实现原理与Python代码实战,包括图像分割、区域合并策略、候选框生成与参数调优。通过对比不同参数组合的效果,帮助CV从业者掌握这一经典区域推荐算法,并提供了与现代检测框架(如Faster R-CNN)集成的实用技巧。 开通可读全文·205 阅读·3 点赞·2 收藏 阅读全文

相关推荐

Selective Search区域建议算法原理与可调试实现

Selective Search是一种经典的无监督区域建议生成算法,其核心是基于图像超像素分割与多特征相似性驱动的层次化合并机制。它不依赖深度学习模型或训练数据,而是通过颜色(LAB直方图)、纹理(GLCM)、大小和形状四类特征融合计算区域间相似度,在CPU上即可高效运行。该算法为Faster R-CNN等两阶段检测器提供高质量proposal,显著降低滑动窗口的计算冗余,在小样本、低资源或需强可解释性的视觉任务中具有不可替代的技术价值。本文聚焦于SLIC超像素初始化、四维特征提取、优先队列式合并及候选框过

weixin_29056865的博客 205

纯Python实现Selective Search目标检测候选框生成

Selective Search(选择性搜索)是传统目标检测中用于生成高质量候选区域的关键预处理技术,其核心原理基于超像素分割、多维相似度度量与层次化区域合并。该算法通过颜色(LAB空间直方图)、纹理、尺寸及填充度四维特征建模区域间关系,兼顾语义一致性和几何合理性,显著提升小物体召回与跨尺度鲁棒性。在无需深度学习框架的轻量级场景下,它常作为R-CNN类模型的前置模块,或用于数据增强、弱监督定位等工程实践。本文以不到200行可调试Python代码为载体,完整复现Uijlings 2013原始算法逻辑,涵盖SL

weixin_29041767的博客 69

计算机视觉毕设落地指南:Selective Search与可解释性实战

计算机视觉是人工智能核心分支,涉及图像理解、目标定位与行为识别等基础任务。其技术原理涵盖传统图像处理(如超像素分割、Selective Search候选框生成)、特征工程(LBP、SIFT、BoW)及跨模态对齐(视觉-语言模型)。关键技术价值在于提升模型可解释性与工程鲁棒性,支撑智能监控、医疗影像分析和人机交互等真实场景。本文聚焦高校毕设与课设高频需求,围绕Selective Search手写实现、Visual Extent热力图反向投影、TypeDM语言模型对齐三大实战模块,提供可复现代码、分层架构设计与

weixin_29061425的博客 263

selective_search原理与参数调优:目标检测候选框生成实战

在目标检测任务中,候选框生成是决定召回率的关键前置步骤。基于图像分割与相似度合并的选择性搜索算法,不依赖训练数据即可输出多尺度候选区域。通过颜色、纹理、尺寸与形状互补性评估区域相似度,并以贪心合并策略生成候选框,相比滑窗大幅减少了冗余,同时与IoU评估、深度学习特征提取等环节天然衔接。尽管YOLO等端到端模型已经崛起,选择性搜索仍在弱监督定位、小样本标注、传统CV特征提取等场景中展现出稳定价值。理解尺度、平滑系数与最小区域面积等参数的作用机制,能够有效提升候选框质量,并降低后续分类器的计算压力。本文结合最小

weixin_29057065的博客 222

Selective Search候选框生成原理与纯NumPy实现

Selective Search是一种经典的无监督目标检测候选框生成算法,其核心思想是通过图像底层特征(颜色、纹理、形状、空间关系)进行层次化区域合并,而非依赖深度模型或标注数据。它基于超像素分割构建初始区域,融合多维相似性度量,并利用层次聚类动态生成高质量region proposals。该方法具有高召回率(>95%)、低计算开销、强可解释性等技术优势,广泛应用于教学演示、小样本实验、边缘设备预处理及R-CNN系列检测器的早期pipeline。本文提供纯NumPy+SciPy的极简实现,突出selecti

weixin_34254848的博客 180

E-SMILES:化学信息学中的分子表示革命与应用

分子表示是化学信息学和计算化学的基础技术,其核心是将复杂的分子结构转化为计算机可处理的数字化形式。传统SMILES格式虽然广泛应用,但在处理复杂化学体系时存在局限性。Extended SMILES(E-SMILES)通过扩展语法规则,支持立体化学、配位键等特殊结构的精确描述,显著提升了分子表示的准确性和适用范围。在药物研发中,E-SMILES能准确描述蛋白质-配体相互作用和共价抑制剂;在材料科学领域,它支持纳米材料和超分子体系的多尺度建模。结合机器学习等前沿技术,E-SMILES正在推动化学信息处理效率的革

weixin_28683165的博客 285

MOSFET开关损耗全面讲解:从原理到优化策略

深入剖析MOSFET开关损耗的产生机制,结合实际应用场景,讲解如何通过驱动设计和电路优化降低损耗,提升系统效率。重点关注mosfet在高频开关下的表现与热管理。

weixin_29476595的博客 1064

博途 V16(TIA portal V16)安装教程

本文提供了西门子TIA Portal V16软件的完整安装指南。内容包括百度网盘下载链接(提取码kv69)、详细安装步骤(关闭安全保护、典型安装设置)、授权破解方法,以及PLCSIM仿真功能的使用说明。重点演示了S7-1200 PLC程序的仿真过程,解析了仿真界面各元素功能,包括状态指示灯(RUN/STOP/ERROR)、操作按钮(RUN/STOP/MRES)和网络接口状态等。通过图文并茂的方式,完整呈现了从软件安装到PLC程序仿真的全流程操作。

lingchen1906的博客 6948

正弦波产生电路_文氏桥振荡

本文以文氏桥振荡为基础产生正弦波,介绍了原理、计算、应用时需要注意的一些点,并给出了实测可用的电路模板

白鹤忘机的博客 3万+

【01】总目录——软件设计师50讲通关地图|从零基础到工程师职称

本文是《软件设计师·50讲通关|从零基础到工程师职称》专栏的01篇总目录,系统梳理了50篇博文的完整架构与核心逻辑。专栏覆盖软考软件设计师(中级)全部考点,分为导学规划、基础知识、设计模式、下午题专项、算法实战、冲刺模拟、收官进阶七大模块,既兼顾上午题75道单选题的理论攻坚,也聚焦下午题案例分析的解题能力提升。每篇博文均包含考点精讲、真题解析、实战技巧与速记方法,配套可运行代码、解题模板及备考资源。无论你是零基础转行、在校学生还是在职程序员,都能通过这份学习地图明确进度、精准定位薄弱环节,高效搭建知识体系

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1285

9、光流计算与目标定位技术解析

本文深入探讨了光流计算与目标定位技术在计算机视觉领域的原理、应用及发展趋势。详细解析了光流计算中的约束条件、数学模型与数值求解方法,并介绍了基于主导特征元素的目标定位技术流程。文章进一步分析了两种技术结合的潜在应用场景与优势,如智能监控、机器人导航和医疗影像分析,并通过实际案例展示了其综合应用效果。最后,讨论了当前面临的技术挑战及未来发展方向,包括算法优化、深度学习融合与多传感器融合等,为相关研究提供了理论支持和技术思路。

kotlin6android的博客 39

am62x A53与R5F通信

AM62x是Ti的一款异构多核芯片。remoteproc驱动,硬编码(写死)了R5F/M4F固件的名字,这样驱动启动时,就会找硬件编码的固件,下面是其对应关系。值得注意的是,linux内核中的M4F remoteproc驱动启动M4F,而linux内核中的R5F remoreteproc驱动不启动R5F,相反,它attach到已经在boot阶段启动的R5F固件上。在/lib/firmware的真实固件名:,而我们生成的固件名如下所示,没有直接对应的,经确认,.out文件就是我们需要的,重命名后即可。

鹰之翔 1363

《QGIS快速入门与应用基础》239:指北针样式选择(预设/自定义)

系统解析指北针设计的核心规范与实操方法。文章首先强调行业规范红线,包括强制要求N字标注、箭头辨识度等关键要素,通过正误示例对比强化合规意识。其次详细讲解QGIS内置预设样式的分类应用,提供极简箭头、标准三角箭头等4类样式的选型对照表,并配图说明适用场景。最后介绍从基础微调到SVG导入的进阶自定义方法,帮助用户实现从合规到专业的样式设计。全文贯穿"合规优先、可读为本、美观为辅"原则,配有详细操作截图与规范对照表,适合从GIS新手到专业制图人员参考。

LuckyHanMo的博客 539

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

上一篇: 深度篇—— Deep Learning 经典网络 model 发展史(九) 细说 DarkNet 结构和特点和 各模型与精度
下一篇: 深度篇——图像处理的一些方法(二) 细说 性能评估 IOU 和 GIOU
万道一
博客等级 码龄10年 250粉丝 72原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址