目的
使用multi-patches目前看来，有两种目的，一是想保持原来的分辨率，并使用多patch代表原图；二是想使用patch来处理fine-grained细粒度特征。
多patch组合
虽然也是裁剪出原图的内容，和物体检测网络不同，多patch更强调彼此之间的联系，所以要将patch组合再一起。组合的方式也就随之而来。
1. 最简单的，使用简单组合的方式concatenate
2. 复杂一点的，如果存在全局和局部的特征，可以使用门结构的方式，使用全局筛选局部特征。
3. 还有目的性较强的，比如查看图片的质量或者清晰的这种信息时，综合使用各种统计的方法得到筛选的特征，然后将它们concatenate一起。还有将矢量组合排序，再组合在一起。
4. 还有，对patch分组，查看分组对最后特征表现的重要性，来赋予不同的权重。
可见，patch的组合的方式，需要根据语义信息context和区块的信息content的关系，来确定，目前没有很cool很普遍的做法。但一点是肯定的，如果最终结果需要根植于各个patch时，需要将patch组合在一起。