Selective Search에 대하여, Region Proposal

✅ Intro

R-CNN에서 Region Proposal의 방법으로 채택된 Selective Search에 대해 정리해 보겠습니다.

---

✅ Selective Search

📄 Exhaustive Search

Selective Search가 있기 전에 Exhaustive Search라는 개념이 있었는데, 직역한 대로 철저하게 모든 Region에 대해 Search 해보는 방법입니다.

 

하지만, 이 방법에는 연산의 한계점이 있습니다. 왜냐하면, Candidate Region에 대해 모든 Region을 탐색해보아야 하는데 Object의 크기(Scale)는 일정하지 않고, Aspect Ratio 또한 일정하지 않아서 셀 수 없는 연산을 모두 해보아야 Exhaustive Search가 되기 때문입니다.

📄 Segmentation

Exhaustive Search에서는 이미지(영상)에 대한 특성을 고려하지 않았기에 많은 연산을 필요로 했다면, Segmentation은 이미지(영상)에 대해 특성을 고려하는 프로세싱입니다.

Divercification

Segmentation은 이미지에 대해 색상, 재질(Texture), 크기 등 여러 다양한 조건들을 고려하면서 Segmentation을 진행합니다.

📄 Selective Search

위에서 말한 Exhaustive Search(모든 객체의 위치)와 Segmentation(이미지 구조를 사용)을 결합하여 Selective Search를 통해 Region Proposal을 진행합니다.

 

input image가 주어지면, 초기의 Sub-segmentation을 수행합니다.

그리고, 여러 작은 영역들로 나뉜 영역들 간의 유사도를 측정하면서 더 큰 영역으로 통합해 갑니다.

이 과정을 반복(iteration)하여 적절한 Region들을 제시할 수 있도록 합니다.

 

Selective Search는 Bottleneck(병목) 현상이 일어나지 않아서 연산 속도가 빠릅니다.

허나, R-CNN 같은 Architecture에서는 별개의 과정으로 이루어져서 End-to-End 방식의 학습이 불가능합니다.

---

✅ References

https://better-tomorrow.tistory.com/entry/Selective-Search-%EA%B0%84%EB%8B%A8%ED%9E%88-%EC%A0%95%EB%A6%AC

Selective Search 간단히 정리..

https://m.blog.naver.com/laonple/220918802749

[Part Ⅶ. Semantic Segmentation] 2. Selective Search [1] - 라온피플 머신러닝 아카데미 -

https://go-hard.tistory.com/33

[객체 탐지] Selective Search for Object Recognition