选择性搜索（SS）算法

一、目标检测和目标识别

目标识别（object recognition）是要指明一张图像中包含哪类目标。输入是图像，输出是图像中的目标属于的类别（class probability）。目标检测是识别出图像中的类别外，还要框出目标的具体位置（bounding boxes）.

在目标检测时，为定位到目标的具体位置，通常将图像分成许多子块（subregions/patchs）,然后把子块作为输入，送入到目标识别模型中。分子块的最直接的方法是滑动窗口法（sliding window approach）,滑动窗口的方法是按子块的大小在整幅图像上穷举所有的子图像块，算法数据量非常大。和滑动窗口相对的是另一类基于区域(region proposal）的方法。候选区域算法用分割不同区域的办法来识别潜在的物体。在分割的时候，我们要合并那些在某些方面（如颜色、纹理）类似的小区域。相比滑窗法在不同位置和大小的穷举，候选区域算法将像素分配到少数的分割区域中。所以最终候选区域算法产生的数量比滑窗法少的多，从而大大减少运行物体识别算法的次数。同时候选区域算法所选定的范围天然兼顾了不同的大小和长宽比。

二、selective search算法

1、区域合并算法流程

 总体思路:假设现在图像上有n