初学Selective Search算法

算法来源及目的

用不同尺寸的滑动窗口去遍历整幅图片，时间、代价是难以承担的。这时引入了Selective Search算法。
目的：为了解决 如何提出候选区域

算法思想

1. 先对图像进行过分割（尽可能打碎），分成尽可能多的不重复的子区域。类似下图的效果：
   
2. 计算每两个相邻子区域的相似度，例如R1、R2的相似度记作S12，R2、R3的相似度记作S23，这样就构成了一个集合S。
   
3. 找到S集合中相似度最大的两个子区域，这里假设S12最大，也就是要把R1和R2这两个子区域进行合并，记作R(n+1)。这样A集合就会逐渐增大，每合并一次产生新的R（n+…）,就更新一遍S集合。
   note：

• 已经合并了R1和R2，那么就要在原来的S大集合中删除与R1和R2有关的相似度。例如要删除S23。
• 还需计算新的相似度。例如：需计算新加入的R（n+1）与相邻子区域的相似度。

4. 重复这样的步骤，直到S集合为空集。
5. 在图中标注这些
   
   这样，在图中画出A集合里的候选框，就生成了带有Region proposals的图。最后就可以输入这些Region proposals进入网络训练了。