先给出定义吓死你们哈哈
多尺度，实际上就是对信号的 不同粒度 的采样 别急哈哈
粒度小，说明是一个很密集的采样，能看到更多更多的细节
而粒度粗 大 说明是一个很稀疏的采样，但是点与点之间隔得远了，就容易看到趋势了
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。往下看好像有点感觉了吧
任务：判断图中是否有前景，那么12×8的图像尺度is enough。
任务: 识别图中的水果种类，那么64×48的尺度也能勉强完成。
任务: 识别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。
此处引用【AI不惑境】深度学习中的多尺度模型设计 - 知乎
我知道你很急，但是不要着急
先来认识一下DoG尺度空间构造
尺度空间（scale space）理论
自然界中的物体呈现出不同的形态，需要不同的尺度观测。
从第一张图找江苏大学是不是有点困难
第二张图我直接放大，江苏大学有几个食堂都清清楚楚对不
而根据这个例子中，我们控制鼠标是地图放大，改变了尺度，来获取我们感兴趣的点。
计算机也是这样，不过它比较呆，需要用多尺度来认识以及寻找目标物体的最佳尺度
然后就可以去学习图像金字塔了
