[论文阅读笔记] [Object Detection] Feature Pyramid Networks (FPN)

# [Object Detection] Feature Pyramid Networks

2018-8-9, jingwenlai

 

## Network architecture

相较于U-Net等之差类似的技术的不同点是，此前利用pyramid特征等方法均是在最后一层finest的时候才做为特征进行检测，而FPN在每一层pyramid feature均会用来做预测。

 

FPN这个是通用的网络想法，可以扩展到很多不同的基础网格。文中使用RPN&Fast R-CNN来示例，接下来的RetinaNet也用到了这种思想。This process is independent of the backbone convolutional architectures.

整体结构由三部分组成：a bottom-up pathway, a top-down pathway, and lateral connections.

 

### Bottom-Up pathway

backbone 网络，通常选ResNet, 而由ResNet的网络可知，在每一stage中选取最后1个layer做为feature输出，因其在该层拥有最强的特征。

以Resnet举例，记conv2, conv3, conv4, conv5输出的最后一层为{C2, C3, C4, C5}, 这些层相对于输入有{4, 8, 16, 32}的stride.

### Top-dow