ss:SelectiveSearch(SS，选择性搜索)选择搜索算法观点：图像中物体可能存在的区域应该是有某些相似性或者连续性的，因此选择搜索采用子区域合并的方法进行提取边界框bounding box

首先，对输入图像进行分割并产生许多子区域，

其次，根据这些子区域之间的相似性（颜色、纹理、大小等）进行区域合并，由小变大，不断迭代并合并，

每次迭代过程中对这些合并的子区域做外切矩形，这些子区域的外切矩形就是通常说的候选框。

自下而上，也就是从像素级开始检测，慢慢融合到比较大的位置。

scale1 就是最小尺度上分割成很多小的区域（super pixel，超像素），

把特征距离近的（如颜色比较像）的都融合到一起，产生比较大的区域。

scale2 就是中间尺度上的分割和融合，能得到更大的区域，scale3同理。

最后就产生了目标框。
 

搜索一下nms非极大值抑制

 那么多框都是region proposals 候选框，

nms之后就留下 置信度最大 或者说是最有可能的框

这里就是留下0.9的那个