目标检测中的FPN进化史：从FPN到BiFPN，为什么双向融合这么香？-优快云博客

目标检测特征金字塔的演进：从单向融合到双向交互的深度解析

如果你在过去几年里尝试过训练自己的目标检测模型，大概率会在模型架构图的某个位置看到“FPN”这个缩写。它就像一个标准组件，被塞进了从Faster R-CNN到YOLO的各种框架里。但你是否真正思考过，为什么这个结构如此普遍？更关键的是，最初的FPN设计真的是最优解吗？为什么后来者如PANet、BiFPN会不约而同地转向“双向”融合的思路？

今天，我们不打算复述教科书上的定义，而是从一个实践者的视角，拆解特征金字塔网络（Feature Pyramid Network）的进化逻辑。你会发现，这场演进的核心驱动力，是如何更高效地在语义信息（高层特征）和位置信息（低层特征）之间架设桥梁。早期的FPN搭建了一座单向的“高架桥”，而后续的改进则致力于将其升级为双向互通、甚至多层立交的“交通枢纽”，从而让信息流动得更顺畅，最终提升模型，尤其是对小目标的检测精度。

1. 基石与瓶颈：重新审视经典FPN的设计

2017年，FAIR的Tsung-Yi Lin等人提出FPN时，它解决的是一个非常直观的问题：卷积神经网络（CNN）的深层特征语义性强但分辨率低，擅长识别物体；浅层特征细节丰富、位置准确但语义性弱，擅长定位。目标检测需要两者兼备。FPN的解决方案优雅而直接：构建一条自顶向下（Top-Down） 的路径，将深层的强语义特征通过上采样“传播”到浅层，并与浅层特征通过横向连接（1x1卷积调整通道后）相加融合。

用一段简化的PyTorch风格代码可以清晰地看到这个流程的核心：

# 假设 laterals 是经过1x1卷积调整后的各层特征图列表，索引从深到浅
# 自顶向下融合
for i in range(len(laterals)-1, 0, -1):  # 从最深层开始，向前一层融合
    # 将深层特征上采样2倍，与浅层特征相加
    laterals[i-1] += F.interpolate(laterals[i], scale_factor=2, mode='nearest')

这个操作带来的好处是显著的，它让用于预测小目标的浅层特征图也“沐浴”到了高层语义信息。但如果你仔细推敲信息流动的路径，会发现一个潜在的瓶颈：信息传递是单向且漫长的。

单向性：只有高层特征向低层特征的“赋能”，低层那些精确的边缘、纹理等细节信息，并没有一个直接、高效的通道去影响高层的特征表示。这就像只允许经验丰富的教授给本科生讲课，却不允许本科生新鲜的视角去启发教授的研究。
路径漫长：对于最底层的特征（如P2）来说，它想获得最深层的语义（如P5），需要经过P5->P4->P3->P2这样多步的上采样和融合，信息在多次转换中难免有所损耗或模糊。