寻找近乎语义的“视觉单元”进行视觉分析可以操作是计算机视觉社区的一项长期艰苦的工作。 已建立的强大方法(例如SIFT,BRISK)经常会提取大量冗余的单个关键点,几乎没有关于语义的信息内容。 我们提出了一种新的方法,称为轮廓感知区域检测器(CAR)以找到图像中的代表性区域。 受启发通用对象提议方法的最新研究结论是轮廓在对象定位中很重要,我们首先要缓解这个问题超像素重叠的多对象区域。 然后是知觉区域是在合并过程中使用数据结构生成的与MSER类似。 大量实验表明:(1)超像素由我们的方法生成的结果明显优于淘汰状态方法, 由边界召回率和细分误差计算。 (2) 我们的方法可以在每张图像0.125秒内找到较少且有意义的区域, 同时实现有希望的可重复性。