大海

学习论文Selective Search for Object Recognition，在网上查找相关资料时发现这篇文章，对于选择性搜索算法及其特征提取方式概括的比较好，所以翻译下来以便后续的学习

原文地址：Selective Search for Object Detection (C++ / Python)

In this tutorial, we will understand an important concept called “Selective Search” in Object Detection. We will also share OpenCV code in C++ and Python.

在本教程中，我们将了解一个重要的概念 - 基于选择性搜索的目标检测。文章末尾还包含了OpenCV示例

论文下载地址：Selective Search for Object Recognition

OpenCV在模块opencv_contrib中实现了基于图的图像分割算法，其实现和作者提供的工程源码略有差别

下面首先解析源码，然后通过示例验证分割效果

• 官网参考文档：cv::ximgproc::segmentation::GraphSegmentation Class Reference
• 头文件segmentation.hpp - /path/to/include/opencv4/opencv2/ximgproc/segmentation.hpp
• 源文件graphsegmentation.cpp - /path/to/opencv_contrib/modules/ximgproc/src/graphsegmentation.cpp
• 实现示例graphsegmentation_demo.cpp - /path/to/opencv_contrib/modules/ximgproc/samples/graphsegmentation_demo.cpp

OpenCV源码比较复杂，抽取相应实现到GraphLib/cplusplus/samples/graphsegmentation

基于图的图像分割算法的作者提供了工程源码：Graph Based Image Segmentation

之前在数据结构-图5中实现了图的最小生成树，主要参考的是《大话数据结构》中的相关内容。在Kruskal算法实现中通过函数Find就能检查两个分量之间是否相连，效率很高，当时觉得这种实现很神奇，今天才发现这是一种专门的数据结构实现 - 并查集（disjoint set）

之前通过PPM文件解析理解了PPM文件结构，并通过Python实现了PPM文件和其他图像文件的转换。最近需要通过C++解析PPM文件，参考Graph Based Image Segmentation，最后通过opencv实现

当前jenkins通过tomcat进行托管，登录路径为

1

localhost:8080/jenkins/

下面通过nginx进行反向代理，简化登录路径

原文地址：The Boost Graph Library (BGL)

通过Tomcat托管Jenkins。当前Tomcat以普通用户tomcat身份运行

之前通过Jenkins Freesstyle工程实现了Hexo网站的CI部署，Jenkins还提供了Pipeline方式，能够更好的模块化构建过程

1. Jenkins Pipeline工程配置
2. GitLab WebHook配置
3. Jenkinsfile脚本编辑