目标检测：提取候选框

传统的目标检测（R-CNN、Fast R-CNN、Faster R-CNN）都是从提取候选框开始的，本文介绍两种提取候选框的方法。

一、使用selectivesearch提取候选框

selectivesearch是一个用Python编写的提取候选框的方法，基于skimage，项目地址：https://github.com/AlpacaDB/selectivesearch。
首先，使用pip安装selectivesearch:

pip install selectivesearch

然后，使用如下代码提取并查看候选框：

import selectivesearch.selectivesearch as ss
import matplotlib.pyplot as plt

img = plt.imread('img.jpg')
img_lbl, regions = ss.selective_search(img, scale=1000, sigma=0.8, min_size=50)
plt.axis('off')
plt.imshow(img)
for r in regions:
    x, y, h, w = r['rect']
    rect = plt.Rectangle((x, y), w, h, fill=False, edgecolor='red', linewidth=1)
    plt.gca().add_patch(rect)
plt.show()

效果如下：

二、使用opencv提取候选框

大名鼎鼎的OpenCV也内置了selective search算法，先安装相关组件：

pip install opencv-python
pip install opencv-contrib-python

然后，使用如下代码提取候选框：

import cv2
import matplotlib.pyplot as plt


def selective_search(im, mode='fast'):
    ss = cv2.ximgproc.segmentation.createSelectiveSearchSegmentation()
    ss.setBaseImage(im)
    if mode == 'fast':
        ss.switchToSelectiveSearchFast()
    elif mode == 'quality':
        ss.switchToSelectiveSearchQuality()

    return ss.process()


if __name__ == '__main__':
    cv2.setUseOptimized(True);
    cv2.setNumThreads(4);

    img = plt.imread('img.jpg')
    rects = selective_search(img)
    plt.axis('off')
    plt.imshow(img)
    for r in rects[:20]:
        x, y, h, w = r
        rect = plt.Rectangle((x, y), w, h, fill=False, edgecolor='red', linewidth=1)
        plt.gca().add_patch(rect)
    plt.show()

效果如下：

赏

非常感谢,我会继续努力的！

支付宝

微信

• 本文作者： killf
• 本文链接： http://www.killf.info/机器学习/目标检测：提取候选框/
• 版权声明： 本博客所有文章除特别声明外，均采用 Apache License 2.0 许可协议。转载请注明出处！