而目标检测（object. 在总结一些区域提议方法的基础上，作者给出了自己的方法——Selective Search，这个方法主要有三个优势： 捕捉不同尺度（Capture All Scales）、多样化（Diversification）、快速计算（Fast to Compute）总结为：选择性搜索是用于目标检测的区域提议算法，它计算速度快，具有很高的召回率，基于颜色，纹理，大小和形状兼容计算相似区域的分层分组。 Selective Search算法主要包含两个内容：Hierarchical Grouping Algorithm、Diversification Strategies。 Hierarchical Grouping Algorithm. 目标检测（1）-Selective Search - 知乎 目标检测（1）-Selective Search 曹浩宇 221 人 赞同了该文章 前几天tensorflow开源了诸多目标检测模型，包括Faster RCNN、SSD等，恰巧自己的论文用的也是目标检测网络，是时间把以前刷过的检测网络祭出来了。 自己看过的主要包括基于region proposal的RCNN系列：RCNN、Fast RCNN、Faster RCNN，基于区域划分的YOLO、SSD，基于强化学习的AttentionNet等，还有最新的Mask RCNN。 我们将用一周时间先详细介绍每个模型然后通过Tensorflow跑一遍模型。.