候選框確定算法
對於候選框的位置確定問題，簡單粗暴的方法就是窮舉或者說滑動窗口法，但是這必然是不科學的，因為時間和計算成本太高，直觀的優化就是假設同一種物體其在圖像鄰域內有比較近似的特征（例如顏色、紋理等等）。
由此提出使用比較廣泛的Selective search算法
Selective search算法（以下簡稱ss算法）：首先通過以及簡單的聚類生成區域集合；然后根據定義的相似度不斷合並相鄰區域構成新的候選框。本質上是一種基於在原始聚類后的區域集合上，依照鄰域的相似度，從小到大的進行滑動窗口。
具體算法實現步驟如下：
step1：計算區域集R里每個相鄰區域的相似度S={s1,s2,…}
step2：找出相似度最高的兩個區域，將其合並為新集，添加進R
step3：從S中移除所有與step2中有關的子集
step4：計算新集與所有子集的相似度
step5：跳至step2，直至S為空
---------------------
區域相似度，顏色、紋理、尺寸、交疊。四個方面。
SS算法：選擇性搜索
生成2000個候選區域
分類模型
SS算法，框的位置有偏移需要調整，訓練回歸器。
【轉載自】
R-CNN、fast-RCNN、faster-RCNN到yolo、SSD簡要 - sum_nap的博客 - CSDN博客 https://blog.csdn.net/sum_nap/article/details/80388110
【其他】
選擇性搜索（selective search） - 郭雲飛的專欄 - CSDN博客 https://blog.csdn.net/guoyunfei20/article/details/78723646
Selective Search for Object Detection (C++ / Python) | Learn OpenCV https://www.learnopencv.com/selective-search-for-object-detection-cpp-python/
RCNN算法詳解 - jieshaoxiansen的博客 - CSDN博客 https://blog.csdn.net/jieshaoxiansen/article/details/82784188