1.1.2 候选区域提取
R-CNN输入CNN的并不是原始图像，而是通过选择性搜索得到的候选区域，选择性搜索的核心思想是层次分组算法（hierarchical grouping algorithm）[11]，其核心内容为：
[11] 参见Pedro F Felzenszwalb、Daniel P Huttenlocher的论文“Efficient Graph-Based Image Segmentation”。
● 将图像分成若干个小区域；
● 计算相似度，合并相似度较高的区域，直到小区域全部合并完毕；
● 输出所有存在过的区域，即候选区域。
选择性搜索伪代码区域的合并规则为：
● 优先合并颜色相近的；
● 其次合并纹理相近的；
● 再次合并在上述合并后总面积小的；
● 最后优先合并在上述合并后总面积在其边界框（bounding box，bbox）中所占比例大的。
图1.3所示是通过选择性搜索得到的候选区域，选择性搜索的核心内容如算法1所示。
图1.3 选择性搜索效果示意
算法1 选择性搜索
输入：（彩色）图像
输出：目标假设位置的集合L
1: 获取所有的区域
2: 初始化相似度集合
3: for 每一个邻居对
do
4: 计算相似度 
5: 
6: end for
7: while S ≠ ∅ do
8: 计算最高相似度 
9: 合并对应区域
10: 去除相似内容除了ri: S = S \ s(ri, r*)
11: 去除相似内容除了sj: S = S \ s(r*, rj)
12: 计算rt与其邻居之间的相似性集合St
13: 
14: 
15: end while
16: 从R的所有区域中提取对象位置框L