RCNN選擇性搜索（Selective Search）
基於：
1）圖片大小
2）顏色
3）紋理
4）附件
算法一：分組分類算法
輸入：（圖層顏色）圖片
輸出：對象位置假設集L
Obtain initial regions R = {r1,··· ,rn} using [13]
Initialise similarity set S = 空集
foreach Neighbouring region pair (ri,rj) do //遍歷所有臨近的像素對
Calculate similarity s(ri,rj) //計算所有像素對之間的相似度
S= S∪s(ri,rj) //把相應的相似度保存在集合S中
while S≠空集 do
Get highest similarity s(ri,rj) = max(S) //從集合S中取出相似度最高的像素對
Merge corresponding regions rt = ri ∪rj //把兩個像素進行合並
Remove similarities regarding ri : S = S \ s(ri,r∗) //從集合S中除去和ri有關的相似度
Remove similarities regarding rj : S = S \ s(r∗,rj) //從集合S中除去和rj有關的相似度
Calculate similarity set St between rt and its neighbours //計算rt和臨近像素點的相似度
S = S∪St //將相似度存入集合S中
R = R∪rt //將rt存入集合R中
Extract object location boxes L from all regions in R
優先合並以下四種區域：
- 顏色（顏色直方圖）相近的
- 紋理（梯度直方圖）相近的
- 合並后總面積小的
- 合並后，總面積在其BBOX中所占比例大的
第三條，保證合並操作的尺度較為均勻，避免一個大區域陸續“吃掉”其他小區域。（Get highest similarity s(ri,rj) = max(S)通過此處實現）
例：設有區域a-b-c-d-e-f-g-h。較好的合並方式是：ab-cd-ef-gh -> abcd-efgh -> abcdefgh。
不好的合並方法是：ab-c-d-e-f-g-h ->abcd-e-f-g-h ->abcdef-gh -> abcdefgh。
第四條，保證合並后形狀規則。
例：左圖適於合並，右圖不適於合並。
上述四條規則只涉及區域的顏色直方圖、紋理直方圖、面積和位置。合並后的區域特征可以直接由子區域特征計算而來，速度較快。
