SS方法是當前region proposal最主流使用的方法，在這里對這篇論文做一個一定程度的學習和理解記錄。
1.Selective Search By Hierarchical Grouping
1.使用Felzenszwalb and Huttenlocher的region算法，創(chuàng)建初始的region
2.然后使用貪心算法逐個合并region
? ? ? ? ?計算相鄰region的相似性，最相似的兩個合并，不斷重復，新的合并后的region繼續(xù)和相鄰region計算相似性，直到整個圖片成為一整個region （需要注意的是，為了計算方便，當兩個region合并的時候，新的region的特征應當從之前的兩個region的特征直接計算出，而不是再回到圖片像素來計算）
2. Diversification Strategies
1,color similarity 色彩相似度，通過了多種色彩格式和channel
2, texture similarity 紋理相似度
3, size 這里的大小是指區(qū)域中包含像素點的個數(shù)。使用大小的相似度計算，主要是為了盡量讓小的區(qū)域先合并
4, fill 判斷兩個region是否適合合并，其指標是合并后的區(qū)域的Bounding Box（能夠框住區(qū)域的最小矩形（沒有旋轉））越小，其吻合度越高
3，Object Recognition using Selective Search
核心策略：bag-of-words for object detection
系統(tǒng)在實現(xiàn)過程中，使用color-SIFT特征以及spatial pyramid divsion方法。在一個尺度下σ=1.2下抽樣提取特征。使用SIFT、Extended OpponentSIFT、RGB-SIFT特征，在四層金字塔模型 1×1、2×2、3×3、4×4，提取特征，可以得到一個維的特征向量。
