在《Going deeper with convolutions》一文当中，作者特别提到了多尺度特征融合的技术，对此，我特地goole了一下，在此特将心得总结一波：
类似于我们用显微镜去观察一个物体：当我们使用高分辨率的显微镜去观察物体时，我们看到的是物体较为细微的特征，进而有助于我们捕捉到物体的细节信息；当我们使用低分辨率的显微镜去观察物体的时候，我们拥有的是更为广阔的视野，从而更有助于我们捕捉到物体更为抽象的特征。
以观察一个人为例，如果我们以一个小尺度的视野去观察一个人，我们看到可能是组成人体的某个部位，如头、手或者脚等等；当我们以一个大的尺度去观察一个人的时候，我们看到的是有头、手以及脚等诸多部位组成的一个有机体。
总而言之，使用多尺度特征融合的技术符合生物视觉系统的特性，在计算机视觉的很多算法装那个都有应用。
以下是关于多尺度特征方法的一个链接：
https://www.kdnuggets.com/2018/03/multiscale-methods-machine-learning.html
