RCNN选择性搜索（Selective Search）
基于：
1）图片大小
2）颜色
3）纹理
4）附件
算法一：分组分类算法
输入：（图层颜色）图片
输出：对象位置假设集L
Obtain initial regions R = {r1,··· ,rn} using [13]
Initialise similarity set S = 空集
foreach Neighbouring region pair (ri,rj) do //遍历所有临近的像素对
Calculate similarity s(ri,rj) //计算所有像素对之间的相似度
S= S∪s(ri,rj) //把相应的相似度保存在集合S中
while S≠空集 do
Get highest similarity s(ri,rj) = max(S) //从集合S中取出相似度最高的像素对
Merge corresponding regions rt = ri ∪rj //把两个像素进行合并
Remove similarities regarding ri : S = S \ s(ri,r∗) //从集合S中除去和ri有关的相似度
Remove similarities regarding rj : S = S \ s(r∗,rj) //从集合S中除去和rj有关的相似度
Calculate similarity set St between rt and its neighbours //计算rt和临近像素点的相似度
S = S∪St //将相似度存入集合S中
R = R∪rt //将rt存入集合R中
Extract object location boxes L from all regions in R
优先合并以下四种区域：
- 颜色（颜色直方图）相近的
- 纹理（梯度直方图）相近的
- 合并后总面积小的
- 合并后，总面积在其BBOX中所占比例大的
第三条，保证合并操作的尺度较为均匀，避免一个大区域陆续“吃掉”其他小区域。（Get highest similarity s(ri,rj) = max(S)通过此处实现）
例：设有区域a-b-c-d-e-f-g-h。较好的合并方式是：ab-cd-ef-gh -> abcd-efgh -> abcdefgh。
不好的合并方法是：ab-c-d-e-f-g-h ->abcd-e-f-g-h ->abcdef-gh -> abcdefgh。
第四条，保证合并后形状规则。
例：左图适于合并，右图不适于合并。
上述四条规则只涉及区域的颜色直方图、纹理直方图、面积和位置。合并后的区域特征可以直接由子区域特征计算而来，速度较快。
