知乎上看到一篇博客https://zhuanlan.zhihu.com/p/99766566，讨论cnn中位置信息是如何学到的，觉得挺有意思的，就看了一下原文，

简单记录一下几个尝试部分。

1、位置信息来自预训练模型

　作者分袂用预训练权重的vgg,resnet和posenet来比拟，发明用了预训练权重的vgg和resnet提取的位置信息更准确。但这个尝试我

感受设计的不同理，真正比拟尝试应该设计的是，用预训练权重的vgg，resnet比拟随机初始化的vgg,resnet，而不是和单层的posnet来比拟

2、大的卷积核和更多的层数，能获得更准确的位置信息

    更多的层数就不用说了，更大的卷积核也切合light head rcnn中得到的结论的，在某层中使用大的卷积核，效果更好。

3、位置信息存放在那一层

   原文分袂用5层特征来比拟，最后发明越深的特征，功效越准确。

4、位置信息来自哪里

　这篇文章的核心，，作者认为来自于padding，并设计了几组比拟尝试（包孕检测支解任务）：加padding的准确率比不加的准确率要高很多。

How much Position Information Do Convolutional Neural Networks Encode?