候选区域

候选区域 = “可能包含物体的矩形框”，也叫 Region Proposal / 候选框。

1. 怎么来的
   • 早期 Selective Search：在彩色、纹理、边缘上聚类合并超像素，生成 1k~2k 个框。
   • Faster R-CNN：用 RPN（Region Proposal Network）在特征图上铺 anchor，经过一次 3×3 卷积 + 两条 1×1 分支（前景/背景打分 + 框偏移），直接回归出 ~20k → 经 NMS 后约 300 个候选框。
   • YOLO/SSD 等 one-stage：直接在多尺度特征图的每个格子预测框，不再单独生成候选阶段。
2. 长什么样
   一串 4 元组 (x₁, y₁, x₂, y₂) 或 (x, y, w, h)，外加一个 objectness 分数。
   例：一张 800×600 图，可能得到
   [ 34, 12, 287, 468, 0.92 ]
   表示左上角 (34,12)、右下角 (287,468)，置信度 0.92 的“疑似物体”框。
3. 干什么用
   • 两阶段检测器先把候选区域压到几百个，再对它们做精细分类 + 二次回归，既省计算又提高精度。
   • 候选区域也可拿去提取特征做实例分割、关键点、跟踪、图像检索等任务。

一句话：
候选区域就是“先粗筛一遍，把背景扔掉，留下几百个可能装物体的框”，让后续网络专心答“框里到底是啥”。