SS方法是当前region proposal最主流使用的方法，在这里对这篇论文做一个一定程度的学习和理解记录。
1.Selective Search By Hierarchical Grouping
1.使用Felzenszwalb and Huttenlocher的region算法，创建初始的region
2.然后使用贪心算法逐个合并region
计算相邻region的相似性，最相似的两个合并，不断重复，新的合并后的region继续和相邻region计算相似性，直到整个图片成为一整个region （需要注意的是，为了计算方便，当两个region合并的时候，新的region的特征应当从之前的两个region的特征直接计算出，而不是再回到图片像素来计算）
2. Diversification Strategies
1,color similarity 色彩相似度，通过了多种色彩格式和channel
2, texture similarity 纹理相似度
3, size 这里的大小是指区域中包含像素点的个数。使用大小的相似度计算，主要是为了尽量让小的区域先合并
4, fill 判断两个region是否适合合并，其指标是合并后的区域的Bounding Box（能够框住区域的最小矩形（没有旋转））越小，其吻合度越高
3，Object Recognition using Selective Search
核心策略：bag-of-words for object detection
系统在实现过程中，使用color-SIFT特征以及spatial pyramid divsion方法。在一个尺度下σ=1.2下抽样提取特征。使用SIFT、Extended OpponentSIFT、RGB-SIFT特征，在四层金字塔模型 1×1、2×2、3×3、4×4，提取特征，可以得到一个维的特征向量。
