论文：What makes for effective detection proposals中的检测方法

SelectiveSearch方法：综述论文的2.1节这样描述“greedily merges superpixels to generate proposals. The method has no learned parameters, instead features and similarity

functions for merging superpixels are manually designed”

论文《Selective Search for Object Recognition》中介绍首先找到若干区域，然后进行合并，区域的合并方式是有层次的（hierarchical），类似于哈夫曼树的构造过程。

主要过程:

         1. 使用 Efficient Graph-Based Image Segmentation【1】的方法获取原始分割区域R={r1,r2,…,rn}

          2. 初始化相似度集合S=∅

          3. 计算两两相邻区域之间的相似度（见第三部分），将其添加到相似度集合S中

          4. 从相似度集合S中找出，相似度最大的两个区域 ri 和rj，将其合并成为一个区域 rt，从相似度集合中除去原先与ri和rj相邻区域之间计算的相似度，计算rt与其相邻区域（原先与ri或rj相邻的区域）的相似度，将其结果添加的到相似度集合S中。同时将新区域 rt 添加到 区域集合R中。

          5. 获取每个区域的Bounding Boxes，这个结果就是物体位置的可能结果L

对原始分割使用了多样化技术：颜色空间多样化、相似度计算多样化

训练的过程就是对若干个区域进行分类了。