一些结构或者方法的优势

 

1.沙漏结构

hourglass卷积网络结构有多个平行的预测分支, 网络结构中包含卷积层、解卷积层、全链接层. 这样复杂的模型具备高度的灵活性, 在描述复杂结构方面表现出色. 而因为卷积层和解卷积层引发的空间连续性, 其对大光滑表面更友好. 而网络反复进行的编解码操做, 使该方法具备更强的表示能力, 能够更好的混合全局和局部信息.

 

2.average pooling ：

对背景保留更好

 

3.Max pooling：

对纹理提取更好

 

4.底层特征：

定位准确，但分类不许

 

5高层特征：

特征表达能力更强，分类准确，但定位不许

 

6特征：

HOG特征：梯度的统计信息(而梯度主要存在于边缘的地方) ，适合作图像中的人体检测

Raw Pixels 特征：灰度特征（像素级特征属于裸数据）

 

7范数：

一范获取稀疏解

二范防止过拟合