知乎：深度学习中的多尺度模型设计
知乎：计算机视觉中的多尺度模型都有哪些设计？
CSDN：多尺度理解
什么是多尺度？
所谓多尺度，实际就是对信号的不同粒度的采样。
通常在不同的尺度下我们可以观察到不同的特征，从而完成不同的任务。
粒度更小/更密集的采样可以看到更多的细节，粒度更大/更稀疏的采样可以看到整体的趋势。
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。
- 如果要完成的任务只是判断图中是否有前景，那么12×8的图像尺度就足够了。
- 如果要完成的任务是识别图中的水果种类，那么64×48的尺度也能勉强完成。
- 如果要完成的任务是后期合成该图像的景深，则需要更高分辨率的图像，比如640×480。
换个角度理解多尺度
- 如左图，图像中又站台有车有人，在整张图像上提取特征，提取的维全局特征；
- 如右图，是从原图中提取的局部区域，其缩放与原图大小一致，再提取其特征，则是原图的某一局部区域的详细特征。
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。
