Python 3的选择性搜索实现 这是Python 3选择性搜索的一种实现，可以在找到。 该存储库的代码基于 。 要求 在您的计算机上运行此程序需要： Python 3.6 (or newer) numpy skimage 下载 目前没有可供下载的软件包。 但是，您可以使用以下命令下载“选择性搜索”的实现： git clone https://github.com/vsakkas/selective-search.git 用法 以下示例显示了在下载此实现并将其导入到自己的项目中之后如何使用“选择性搜索”： img = skimage . data . astronaut () img_lbl , regions = selectivesearch . selective_search ( img , scale = 500 , sigma = 0.9 , min_size = 1

这是yiqing对选择性搜索算法的实现 一种使用方法 是运行demo.m文件，它将对单个图像执行选择性搜索 另一种使用方式 是运行testAllPicturesInDirectory.m文件，它将对目录中的所有图像执行选择性搜索，结果也会写入同一目录 原纸 原始算法可在找到 但是matlab中的原始实现是部分加密的，所以我自己实现了

基于方向梯度直方图(HOG)特征和局部二值模式(LBP)算子的行人检测算法采用滑动窗口搜索策略存在扫描区域过大和计算复杂的问题,存在的这些问题会导致检测速度慢。鉴于此,提出一种行人检测算法。首先,采用选择性搜索算法对目标区域进行定位,并将候选区域的高宽比限制在一定范围内以筛选无效窗口。然后,为了弥补LBP算子在纹理表达上的缺陷,引入完备的局部二值模式(CLBP)算子来提高纹理特征的表达能力。接着,考虑到HOG特征和CLBP算子特征维数过高对分类器的识别能力产生影响,采用主成分分析的方法分别对HOG特征和CLBP算子进行降维,降维后再进行串联融合。最后,引入困难样本的挖掘过程训练支持向量机分离器,这可以使模型训练得更充分,进而降低误检率。在INRIA数据集上仿真结果表明,所提算法在识别率和识别速度上都有一定的提高。

发表在IJCV上选择性搜索算法的matlab代码，亲测可用。