CV自学笔记_cv特征指的是像素还是图片

1.什么是"Bottom-up region proposals"？

“Bottom-up region proposals” 是指在目标检测中使用的一种技术，它可以生成图像中的候选物体区域。与传统的方法不同，即使用一些固定的区域提取方法，bottom-up region proposals 方法是自底向上的，通过分析图像的低级特征来自动生成候选区域。
通常，Bottom-up region proposals会先在图像中提取出一些具有显著性的区域（比如超像素[2]、稠密采样[3]等），然后根据这些区域的特征（如颜色、纹理、形状等）来生成更加具体的候选区域。这些候选区域通常是基于不同的尺度和长宽比生成的，以便更好的适应不同大小和形状的物体。
使用该技术可以大大减少物体检测中需要处理的候选区域数量，从而提高目标检测的效率和准确性。常用的 bottom-up region proposals 方法包括Selective Search、EdgeBoxes、MCG等。

2.什么是超像素？

超像素（superpixel）是一种图像分割技术，他将像素聚合成一组紧密相关的区域，这些区域通常是具有相似颜色、纹理、亮度等特征的像素组成的。超像素技术可以用于简化图像处理和计算机视觉任务中的像素级操作，例如分割和检测等。
相对于传统的基于像素的方法，使用超像素可以大大减少图像中需要处理的元素数量，提高处理速度和精度，并且能够更好地保留图像中的语义信息。

3.什么是稠密采样？

稠密采样（dense sampling）是一种在图像中均匀地提取图像块或者图像特征的方法，它与传统的基于固定间隔采样的方法不同。稠密采样通常在不同的尺度和方向上提取图像块或特征，以便更好地适应不同的物体形状和大小。
在目标检测中，稠密采样可以用于生成 bottom-up region proposals，提高物体检测的效率和准确性。常用的稠密采样方法包括DPM（Deformable Part-based Models）和HOG（Histograms of Oriented Gradients）等。

4.低级特征和高级特征有什么区别？

低级特征通常指的是在网络较早的层次中提取的特征，比如边缘、纹理等基本的图像特征。这些特征对于物体的边缘、纹理等局部信息有很强的敏感性，但是对于整个物体的形状和结构信息表达不够准确。
高级特征通常指的是在网络较深的层次中提取的特征，比如物体的部分、语义信息等高级抽象特征。这些特征对于物体的整体形状、结构信息以及语义信息具有更好的敏感性和表达能力，能够更好的描述物体的外观和语义信息。
在实际应用之中，通常会将低级特征和高级特征结合，形成多层次的特征金字塔，从而能够在不同尺度和不同粒度下检测目标。

5.什么叫语义信息？

语义信息指的是与图像中物体及其相关内容相关的语言和概念。在计算机视觉中，这通常指图像中物体的类别、属性、状态、场景和关系等高级概念，比如“猫”、“狗”、“人”、“车”等物体类别，以及“在车里”、“正在奔跑”等物体状态或动作。

6.什么叫选择性搜索？

选择性搜索（Selective Search）是一种用于目标检测的图像分割方法，它是在图像中提取出可能包含目标的候选区域的一种技术。选择性搜索通过组合不同的分割技术来获得不同尺度和分辨率的图像区域，并对这些候选区域进行排序，从而提高目标检测的效率和准确性。
选择性搜索是一种自底向上的方法，它首先将图像分割成许多小的超像素区域，然后将这些区域组合成更大的区域，直到形成整个图像。在每个组合阶段，选择性搜索将使用不同的分割技术来计算合并的区域的相似度，并为每个可能的组合分配一个相似度得分。最终，选择性搜索将根据相似度得分对所有可能的组合进行排序，以提供最有可能包含目标的候选区域