Selective Searchは、画像中の物体が存在しそうな領域を効率的に絞り込むためのアルゴリズムです。色の類似性やテクスチャなどを基に領域を統合し、R-CNNなどの初期の物体検出モデルで広く活用されました。
セレクティブ・サーチとは
Selective Searchとは、画像の中から物体が映っていそうな候補領域（バウンディングボックス）をボトムアップ方式で複数抽出するアルゴリズムです。
詳しく解説
Selective Searchは、画像処理においてあらかじめ物体位置の候補を多数提案するための手法として開発されました。ピクセル単位の微小な領域からスタートし、色の類似度やテクスチャ、サイズ、形状などを基準にして、類似性の高い隣接領域同士を階層的に統合していきます。これにより、従来の網羅的なスライディングウィンドウ方式に比べて、計算コストを大幅に抑えつつ高精度な候補領域の提案が可能になりました。深層学習を活用した物体検出の初期モデルであるR-CNNなどで主要な前処理として採用された歴史的背景があります。
具体例・使われ方
例えば、自動運転用のカメラ画像から歩行者や他の車両の位置を特定する際、車体や歩行者の衣服の色合いやエッジを手がかりにして領域を統合します。また、防犯カメラの映像から不審なオブジェクトを検出するシステムの前処理としても利用されます。
似た用語との違い
全画面を一定間隔でスキャンするだけのスライディングウィンドウ方式とは異なり、画像の構造や特徴に基づいて適応的に領域候補を絞り込む点が最大の違いです。また、現代のYOLOやSSDといったワンステージ検出器が内部で検出を行うのに対し、Selective Searchは手動に近いルールベースで領域候補を提案するアプローチをとります。
注意点
ディープラーニングベースの手法と比較して計算処理に時間がかかるため、リアルタイム処理が求められるシステムには不向きです。また、最適な統合パラメータの設定によっては、必要な物体の領域を取りこぼすリスクや、逆に不要な候補領域が増えすぎる課題があります。