浅层的网络更关注于细节信息，高层的网络更关注于语义信息

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，早就保证了网络能捕获更多细节。
深层网络：随着下采样或卷积次数增加，感受野逐渐增加，感受野之间的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，获取的是这块区域或相邻区域之间的特征信息，相对不够细粒度。

一张图片，经过深层网络处理后图片就会模糊了，然而浅层网络处理则不会模糊。对于模糊图片，我们想看出来里面是什么，一般就是通过整体信息来推测，比如说：整体轮廓；然而对于高清图片，我可能只需要看图片某一部分就能知道是什么了。

上面这个图，我们也能看到：

• 第一层，提取低层次的简单特征（边缘特征）
• 第二层，将简单特征组合成复杂一点的特征（器官）
• 第三层，将第二层的特征组合起来
  有些函数只有非常深层的神经网络能够学习，而一些浅层网络是无法学习的。