由3D成像所想到的

三维模型转换到二维实际上是线性的投影降维，当二维描述一个三维物体时，能从二维物体提取三维物体的投影，实际上在三维物体中能描述物体的全部特征。
三维物体的主要特征是基于整体的三个方向，可以用两个特征角度描述投影的方向，实际上最大的难点在于如何建立三维和二维之间的线性转换方程
训练完成的模型应该每层模型实际上都有可以利用的实际意义，所以将其中的信息利用到不同的网络实际上是一件有意义的事情。从主要信息中匹配主要的信息，从次要的信息中提取某件物体更具体的细节进行更细致的匹配。
参考图灵机可以从灵活的节点往网络中输入信息，神经网络可以提取一部分信息或者单独输出一部分信息。
基于区域的投影方法，将一部分的特征确定为整体一部分的区域内，再将提取的特征区域构建在能够描述所有特征的三维空间内，（实际上只缺少了深度这一个信息），检测时考虑能否将二维特征的图片和三维网络的线性变换匹配