深层和浅层、局部与全局语义特征辨析

一言以蔽之：较深的层次通常具有较宽的感受野范围，能够捕捉全局上下文信息（语义信息），而较浅的层次的感受野小，通常具有较高空间分辨率特征的局部信息。


感受野的大小，以及语义信息和空间信息的关系如下：

浅层网络与深层网络

浅层网络更注重于细节信息

深层网络更注重于语义信息

浅层网络：一般感受野较小，能够利用更多的细粒度特征信息，而且此时特征图每个像素点对应的感受野重叠区域还很小，这就保证了网络能够捕获更多细节。

深层网络：随着下采样或卷积次数增加，感受野逐渐增加，感受野之间重叠区域也不断增加，此时的像素点代表的信息是一个区域的信息，捕获的是这块区域或相邻区域之间的特征信息，相粒度较大，但语义信息丰富。

何为语义信息？
语义信息是信息的表现形式之一，指能够消除事物不确定性的有一定意义的信息。放在本文，语义信息指的是图片中的某一个区域。比如狗的尾巴，空中的一只鸟，街道上的一辆车。

低级特征与高级特征

低级特征来源于浅层网络，富含空间信息，空间信息的特征分辨率比较高。

高级特征来源于深层网络，富含语义信息，语义信息的特征分辨率比较高。

局部信息与全局信息

局部信息来源于浅层网络，即细粒度信息，此时的感受野比较小，故浅层网络得到的特征图局部信息比较丰富，该级别的特征图分辨率比较高，单个像素的感受野比较小，可以捕捉更多小目标的信息。

全局信息来源于深层网络，此时随着网络的加深，感受野变大，故深层网络得到的特征图全局信息更加丰富，该级别的特征图分辨率比较低，单个像素的感受野比较大，可以捕获更多中、大目标的信息。