整理的DPM模型的参数详解及其对其中特征金字塔计算的理解，希望能帮助到大家

为了避免人与物体之间相互遮挡，对小目标检测不准确，以及复杂光照强度对行人 检测的影响，针对这一问题，提出了一种多尺度聚类卷积神经网络 MK-YOLOv3 算法，来实现对行人的识别与检测。该算法是对 YOLOV3 进行改进，首先通过简单聚类对图像特征进行提取，得到相应的特征图，再通过抽样 K-means 聚类算法结合核函数确定锚点位置，以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合，提高小目标的检测效果。仿真结果验证了该算法在 VOC 数据集上对小目标识别的精度和速度上有较大提高，以及视频智能分析中有较高的召回率和精确度。

训练好InceptionV3模型以后,将一张图片输入模型,可以得到模型中每一次卷积的输出结果,并可视化出来.为标准的sci模式特征图

使用C#实现的SIFT算子；SIFT目前最流行的图象特征表示方法，在图象分类，对象领域有广泛应用

基于MATLAB中MatConvNet工具包实现的VGG网络特征图和卷积核可视化