平時生活中，用人眼去看一張**時，隨著觀測距離的增加，影象會逐漸變得模糊。那麼計算機在「看」一張**時，會從不同的「尺度」去觀測**，尺度越大，影象越模糊。
那麼這裡的「尺度」就是二維高斯函式當中的σ值，一張**與二維高斯函式卷積後得到很多張不同σ值的高斯影象，這就好比你用人眼從不同距離去觀測那張**。所有不同尺度下的影象，構成單個原始影象的尺度空間。「影象尺度空間表達」就是影象在所有尺度下的描述。
尺度是自然客觀存在的，不是主觀創造的。高斯卷積只是表現尺度空間的一種形式。
(參考
特徵穩定，對旋轉、尺度變換、亮度保持不變性，對視角變換、雜訊也有一定程度的穩定性；缺點是實時性不高，並且對於邊緣光滑目標的特徵點提取能力較弱。
參考（rcnn，spp-net，fast-rcnn，faster-rcnn
yolo，yolo9000 和 ssd
目標檢測 目標檢測通用框架總結
目標檢測框架個人總結 以下是筆記中包含的內容 目標檢測網路框架總結 yolov4中有圖 從最開始的神經網路到現在深度更深，模組更多的目標檢測深度學習神經網路，如今大致可以分為two stage detector 典型的為rcnn系列 和 one stage detector 典型為yolo系列 每個...
目標檢測入門 目標檢測基本概念
目標檢測關注影象中特定的物體目標，要求同時獲得這一目標的類別資訊和位置資訊。檢測給出的是對前景和背景的理解，需要從背景中分離出感興趣的目標，並確定這一目標的描述 類別和位置，常用檢測框表示 與影象分類的區別，目標檢測更具難度 影象分類只需要判斷輸入的影象中是否包含感興趣物體，而不需要定位具體位置 如...
運動目標檢測
目錄 檢測方法 背景模型 目標檢測 後處理 檢測方法 基於統計背景模型的運動目標檢測方法 問題 1 背景獲取 需要在場景存在運動目標的情況下獲得背景影象 2 背景擾動 背景中可以含有輕微擾動的物件，如樹枝 樹葉的搖動，擾動部分不應該被看做是前景運動目標 3 外界光照變化 一天中不同時間段光線 天氣等...