下采样

Monkey的自我迭代

逻辑回归参数调优实战指南在前面的学习中，我们参数使用的都是默认参数。所有在面对特殊问题的时候，准确率会高，召回率也不高。所以我们要对某些数据进行微调。

论文解读：A New CNN Building Block for Low-ResolutionImages and Small Objects之前通过stride和pooling这些下采样操作，但是这些操作都会或多或少丢失图像的信息，所以这不适用于具有低分辨率图像和小物体的更困难的任务上。像池化选择maxpooling或者是averagepooling、卷积的步长(太大的话会丢失信息)都是很头疼的问题，为此设计SPD模型。