一些結構或者方法的優勢

 

1.沙漏結構

hourglass卷積網絡結構有多個平行的預測分支, 網絡結構中包含卷積層、解卷積層、全鏈接層. 這樣複雜的模型具備高度的靈活性, 在描述複雜結構方面表現出色. 而因爲卷積層和解卷積層引發的空間連續性, 其對大光滑表面更友好. 而網絡反覆進行的編解碼操做, 使該方法具備更強的表示能力, 能夠更好的混合全局和局部信息.

 

2.average pooling ：

對背景保留更好

 

3.Max pooling：

對紋理提取更好

 

4.底層特徵：

定位準確，但分類不許

 

5高層特徵：

特徵表達能力更強，分類準確，但定位不許

 

6特徵：

HOG特徵：梯度的統計信息(而梯度主要存在於邊緣的地方) ，適合作圖像中的人體檢測

Raw Pixels 特徵：灰度特徵（像素級特徵屬於裸數據）

 

7範數：

一範獲取稀疏解

二範防止過擬合