资料来源：1.、https://blog.csdn.net/guyuealian/article/details/70995333
2、http://freewill.top/2017/01/18/7%EF%BC%886%C%9AAdaBoost/
努力的小目标(SSD行人检测)：1、https://blog.csdn.net/linolzhang/article/details/
AdaBoost(自适应提升)：使用多个弱分类器组合得到强的分类器。
其基本思想就是：1.现有一批训练样本，给定一些弱分类器类型(不指定分类器的具体形式，只指定分类器的基本形式)；
2.初始给定每个样本点一样的权值，初始先选定几个弱分类器中错误率最小的(如H1)开始训练；
3.每次训练后，被错误分类的样本点权值增大，正确的权值减小，根据一定规则，
给这次的分类器一个权值为得到最后的强分类器做准备；
4.通过更新的权值，选择几个分类器中错误率最小的一个进行接下来的训练(也有可能还是H1)；
5.经过这样的重复操作，最后将所有的带权值的若分类器相加组合得到最终的强分类器
图片来自：https://kns.cnki.net/kcms/detail/
AdaBoost算法误差界分析：https://zhuanlan.zhihu.com/p/79167891（讲得很通俗）
HOG特征提取中，由于局部光照的变化，使得 HOG 特征在计算过程中梯度强度的变化范围较大，因此需要对梯度强度进行归一化
常见的归一化的方法：1、https://davex.pw/2017/10/07/Normalization-and-Regularization/
2、https://blog.csdn.net/pipisorry/article/details/52247379（不是很懂，谨慎看待）
verilog中几种排序方法： 1、https://blog.csdn.net/yanchuan23/article/details/79780605
2、https://reborn.blog.csdn.net/article/details/80469391
流水线技术的简单解释：1、https://blog.csdn.net/Times_poem/article/details/52033535