在本教程中，我们将了解对象检测中称为“选择性搜索”的重要概念。我们还将用C ++和Python共享OpenCV代码。

物体检测与物体识别

对象识别算法识别图像中存在哪些对象。它将整个图像作为输入，并输出该图像中存在的对象的类标签和类概率。例如，类标签可以是“狗”，相关的类概率可以是97％。

另一方面，对象检测算法不仅告诉您图像中存在哪些对象，还输出边界框（x，y，宽度，高度）以指示图像内对象的位置。

所有物体检测算法的核心是物体识别算法。假设我们训练了一个物体识别模型，该模型识别图像斑块中的狗。该模型将判断图像中是否有狗。它不会告诉对象的位置。

为了本地化对象，我们必须选择图像的子区域（块），然后将对象识别算法应用于这些图像块。对象的位置由图像块的位置给出，其中对象识别算法返回的类概率高。

生成较小子区域（补丁）的最直接方法称为滑动窗口方法。然而，滑动窗口方法有几个局限性。一类称为“区域提议”算法的算法克服了这些限制。选择性搜索是最受欢迎的区域提案算法之一。

滑动窗口算法

在滑动窗口方法中，我们在图像上滑动框或窗口以选择补丁，并使用对象识别模型对窗口覆盖的每个图像补丁进行分类。它是对整个图像上的对象的详尽搜索。我们不仅需要搜索图像中的所有可能位置，还必须搜索不同的比例。这是因为对象识别模型通常以特定尺度（或尺度范围）进行训练。这导致对数万个图像块进行分类。