这篇笔记，仅仅是对选择性算法介绍一下原理性知识，不对公式进行推倒.
前言：
这篇论文介绍的是，如果快速的找到的可能是物体目标的区域，不像使用传统的滑动窗口来暴力进行区域识别.这里是使用算法从多个维度对找到图片中，可能的区域目标，减少目标碎片，提升物体检测效率. 下面是这篇文章的笔记：
介绍及引言：
图片是分层次的，比如下图中a：
沙拉和匙在沙拉碗里，而碗又在桌子上，另外桌子和木头有关或者说桌子和桌子上的所有东西有关.所以图片中的目标是有层次的. 图片分割应该按层次来，也不存在使用单个策略这样通用的方法来进行图片分割，所以对图片分割都是基于多个策略，但是这样又会在合并区域的时候产生冲突. 比如说上图中的b图，猫可以使用颜色进行分割，但是它们的纹理是一样的. 相反的 ; 图Ｃ中的变色龙和周围的叶子在颜色上是相似的，但是在纹理上确实不同的.最后，图d中，汽车轮子和汽车在颜色和纹理上都是不同的，但是和汽车的形状吻合度很高. 对于这三个图，采用他们其中的一种视觉特征是无法来对它们进行图片分割的.
在这篇文章中，作者结合直觉分割算法和穷举搜索算法来提出这个selective search(选择性搜索)算法，使用直觉分割算法是希望达到结合图片的结构层次从下至上来分割，来产生目标区域. 使用穷举搜索算法的目的是得到所有可能是目标的区域. 选择性搜索算法，使用的是多样化在抽样算法
