深度学习中 多尺度、多粒度 理解

多尺度

1. 比如有一幅图像，里面有房子有车有人，在这整张图上提取特征，提取的是全局的特征；现在，截取图像的一部分，比如截取汽车的部分，并将其放大至与原图相同的尺寸，在此时截取后放大的图上提取特征，提取的是整幅图像中某一部分的详细特征。

2. 或者，例如在进行卷积时，如图（随便截的图），分别提取出第三、四、五层卷积得到的特征图，然后将他们缩放到同一尺寸，也是一种多尺度的表现。其中越深的卷积层提取出的特征图越抽象，提取到的特征更高级。
   

使用多尺度，就可以提取更全面的信息，既有全局的整体信息，又有局部的详细信息。

多粒度

上图为一种组合特征的划分方法。最左边为整张图像，我们学习的是局部特征，因此也是最粗的一级粒度特征。中间为每幅图像水平划分为2份，最右边为每幅图像水平划分为三份。中间和最右边的粒度等级依次为二级和三级。这三级的粒度特征可以作为我们网络学习的三个支路，最终可以整合为一个融合的特征。