嘮叨
研一一直研究目標候選框，接觸相關的Object。
重要思想
對於任意目標提取：
- 空間上具有很好的封閉邊界
- 目標和背景在外觀上有很大不同
- 目標在圖像內是獨一無二的，並表現顯著性
個人理解：對於任意目標，當圖像中存在目標，該目標是有封閉輪廓的，並且因爲封閉，其與背景是有很大差距的。在程明明的BING中也是有相關解釋的。
文章內容
主要思想
用貝葉斯模型對特徵進行融合，減少窗口數量。
個人理解：在前期對於object的算法中，很多都是滑動窗口，會生成了大量的目標候選框，所以根據算法的優化，減少目標候選框的數量。後期隨着深度學習的發展，開始將目標候選框的研究從滑動窗口的生成數量上來優化，減少滑動窗口的生成數量。
方法
- 多尺度顯著（MS）：基於頻譜的sr方法進行多尺度分析（sr：彩色-灰色，三個色道分別進行計算）每種尺度下，計算各個窗口內的顯著性密度，密度越大趨近於含有目標。
- 顏色對比（CC）：計算窗口與窗口附近背景（窗口外部分寬度的環形區域）的LAB直方圖卡方距離，對圖像進行離散量化。
- 邊緣密度（ED）：與顏色對比相似，不擴大，收縮，在一窗口內收縮小窗口，計算小窗口內Canny檢測算子的和與小窗口周長的比值。
- 超像素交叉（SS）：一個超像素的所有像素應該在同一個目標內。對於一個窗口，計算位於被窗口界線分割開的超像素較小的那一面積的和，和越大，窗口內含有目標的可能性越小。（說明其跨越太多超像素）
訓練與測試流程
太懶了，直接搬來自己之前的筆記。
總結
這個文章的主要重點就是它的思想。在後面的object相關算法中有很重要的指導意義！
個人學習，如有錯誤，歡迎留言！會積極改進！