DeepSort中特征提取模块理解

1.conv1 conv2 是卷积层，卷积层的作用主要在于提取图像特征，卷积核（滤波器）的大小（Patch Size）是3x3 ，步长（Stride，滤波器滑动的间隔）为1。

2.max pool3 指的是在卷积之后还有一个 pooling（汇集）的操作

参考：Yjango请问CNN 中的 maxpool 到底是什么原理，为什么要取最大值，取最大值的原理是什么？谢谢。 - 知乎

 3. 残差（residual） 防止网络层数过多造成的梯度消失和梯度爆炸， 6个残差块， 一层是由多个残差单元组成。

4.Dense全连接层 通常在CNN的尾部进行重新拟合，减少特征信息的损失。全连接层是最原始，出现最早的神经网络结构，能够无损的传递特征信息，但是网络参数多，计算量大，训练较慢。

5.batch and l2 normalization  就是对每一批数据进行归一化，主要是在一定程度上缓解了深层网络中“梯度弥散”的问题，从而使训练深层网络模型更加容易稳定。

标签：滤波器,DeepSort,卷积,梯度,最大值,残差,CNN,模块,特征提取
来源： https://blog.csdn.net/qwazp3526cn/article/details/120884365