重要的观点

 

1.理论上浅层是提取一些物体的一般特性，颜色、纹理、形状等

2.提出position sensitive score map还有个idea：随着网络深度的增加，网络对于位置（Position）的敏感度越来越低，也就是所谓的translation-invariance，但是在Detection的时候，需要对位置信息有很强的的敏感度。

3.高层网络感受野比较大，语义信息表征能力强，但是分辨率低，几何细节信息表征能力弱。低层网络感受野比较小，几何细节信息表征能力强，虽然分辨率高，但语义信息表征能力弱。这个分辨率到底是什么意思！！！？？？

分辨率是指位图图像中的细节精细度，测量单位是像素/英寸 (ppi)。那为什么分辨率会低？单位长度的话，不就是没改变吗？难道是把图片放大？

4.https://zhuanlan.zhihu.com/p/39843524  anchor相当于增加了模型的assumption，如果模型assumption跟数据集的分布一致，那么这个assumption会有利于框的回归，提高模型的准确性；但是如果这个assumption跟数据集分布不一致，它反而会伤害模型的准确性。所以基于anchor的模型，anchor的设置比较重要，anchor要与数据分布一致。