壹、高低频

任意一张图片都有低频高频
两类区域有如下不同：

1.对于图片中低频区域（low-frequency、smooth-area），里面的点，大概率属于同一个物体，直觉上，没必要使用太多的采样点。如果使用的点太多，相当于过采样（oversample）；
2.对于图片中高频区域（high-frequency），里面的点，大概率靠近物体边界。直觉上，如果这些区域的采样点太稀疏，最终会导致分割出来的物体边界过于平滑，不太真实，相当于欠采样（undersample）；相反，如果采样点越多，分割出来的物体边界应该会更精细（sharp boundery）、真实。

过采样：将样本少的数据多采样几次。
欠采样：将样本多的数据少采样几次。

贰、高低特征

低特征（经过的卷积少）：低级特征具有丰富的空间细节而缺乏语义信息，细节信息少
高特征（经过的卷积多）：高级特征具有丰富的语义信息而缺乏空间细节，细节信息多
（可以用一个模块对这两个部分进行互补）

因为低特征图细节少，空间多，所以为了节省参数，我们可以把低特图的w，h搞小一点。
而高特征图的细节多，为了得到更好的效果，所以要尽量保持其大小。
所以我们可以把这两种feature map 结合起来，达到优势互补（许多网络都有这么干）。

叁、空间特征

肆、语义特征

图像的语义分为视觉层、对象层和概念层。

视觉层即通常所理解的底层，即颜色、纹理和形状等等，这些特征都被称为底层特征语义；
对象层即中间层，通常包含了属性特征等，就是某一对象在某一时刻的状态；
概念层是高层，是图像表达出的最接近人类理解的东西。

通俗点说，比如一张图上有沙子，蓝天，海水等，视觉层是一块块的区分，对象层是沙子、蓝天和海水这些，概念层就是海滩，这是这张图表现出的语义。
来自：https://blog.csdn.net/qq2252852775/article/details/108903625
我们常常说浅层特征语义信息少，深层特征语义信息丰富。