Selective Search for Object Detection

物体检测中，在图像中找到确定一个物体，并找出具体位置。之前的主要做法是基于穷举搜索，或者说是暴力获取（Exhaustive Search），选择一个窗口（window）扫描整张图像（image），改变窗口的大小，继续扫描整张图像。显然这种做法是比较原始的，改变窗口的大小，扫描整张图像，直观上就给人一种非常耗时，结果太杂的印象。在2012年，作者提出了一种新的选出候选区域的方法能够从下面的3个方面优化候选区域问题

（1）  适应不同的尺度（ Capture all scales ）：Exhaustive selective 通过改变窗口大小来适应物体的不同尺度，选择搜索同样无法避免这个问题。算法采用了图像分割（Image Segmentation）以及一种层次算法（HierarchicalAlgorithm）有效地解决了这个问题

（2）  多样化（Diversification）：单一的策略无法应对多种类别的图像。使用颜色（color）、纹理（texture）、大小（size）等多种策略对分割好的区域进行合并

（3）  速度快（Fast to Compute）