1.沙漏结构
hourglass卷积网络结构有多个平行的预测分支, 网络结构中包含卷积层、解卷积层、全连接层. 这样复杂的模型具有高度的灵活性, 在描述复杂结构方面表现出色. 而由于卷积层和解卷积层引起的空间连续性, 其对大光滑表面更友好. 而网络反复进行的编解码操作, 使该方法具有更强的表示能力, 可以更好的混合全局和局部信息.
2.average pooling ：
对背景保留更好
3.Max pooling：
对纹理提取更好
4.底层特征：
定位准确，但分类不准
5高层特征：
特征表达能力更强，分类准确，但定位不准
6特征：
HOG特征：梯度的统计信息(而梯度主要存在于边缘的地方) ，适合做图像中的人体检测
Raw Pixels 特征：灰度特征（像素级特征属于裸数据）
7范数：
一范获取稀疏解
二范防止过拟合