第一部分
faster r-cnn是区域建议网络，fast r-cnn和区域建议网络的组合，以图搜商品的准确率，会根据物体类别有所不同，大致分为三个类别。
1 平面物体，画报，装饰画，准确率可以达到95%以上
2 三位刚性物体，立体家具模型，准确率可以得到80%
3 对于柔性和纹理单一物品，如纺织类，纹理单一物品等，识别相对困难
目标检测的第一步就是要区域提名，类似与光学字符识别，问题的核心就是如何有效的区冗余候选框，其实融合与候选框大多是发生了重叠，选择性搜索利用率这一点，自顶向上合并相邻的重叠区域，从而减少冗余

感知hash算法的应用
hash算法是一个有可比较的hash函数的类，图像特征被用于生成独特的指纹，而这些指纹是可比较的，提取家具图像的hash值我们需要以下的步骤
1 缩小尺寸：去除高频和细节的有效办法就是缩小图片，将图片缩小到88的尺寸，总公64个像素
2 简化色彩，将88的小图片转化为灰度图片
3计算平均值，计算64个像素的灰度平均值
4 比较像素灰度 将每个像素的灰度，与平均值进行比较，大于或等于平均值记为1，小于平均值记为0，
5 计算hash值，组合在一起，就构成了一个64为的整数，这就是这张图片的指纹
第二部分-知识蒸馏从入门到精通
知识蒸馏是一种模型压缩的办法，知识蒸馏可以利用一个已经训练的复杂的模型，来指导一个轻量级的模型训练，从而减小模型训练大小和计算资源的同时，尽量的保持原始大规模的准确率的方法，