参考连接
cnn中位置与尺度的问题
padding的作用于意义
U-net讲解
U-net中的镜像操作的理解
SiamRPN++笔记：padding究竟影响了什么？
浅谈采样定理
多尺度目标检测
多尺度目标检测简单说检测目标的尺度不同有大有小。
检测物体大小不一的影响？
首先，浅层所提取的信息中几何信息好，但是语义信息差，视野小，因此更适合定位；深层所提取的信息中语义信息好，几何信息差，视野大，适合分类。
但是，随着加深深度会出现语义信息提取下降现象，因为随着周遭环境的稀释，虽然视野变大，但是视野中的信息量减少，提取下降。
如图为大小物体下的目标检测，可以看出大小目标的变化是一样的，但是，图像的大小不一样，即小目标更快到顶峰，而大目标却更晚到顶峰，因此，会出出现鱼
和熊掌不可兼得的情况，如图，神经网络的深度应定为25层，还是50层，亦或是37层呢？定25层则对小目标的检测效果好而大目标检测能力差；定50层则反之；
定37层则两类目标的检测能力较为均衡但都不在最好的检测状态。而这就是“多尺度”目标检测问题的根源所在。
解决方法
- 图像金子塔
由不同分辨率组成的图像从大到小叠加在一起，这种就叫做图像金字塔。缺点：对多个尺寸的图片进行操作，计算量比较大。