FPN（特征金字塔结构）详解

FPN(Feature Pyramid Networks)

 (a).特征图像金字塔结构，针对检测不同尺度的目标，将我们的图片首先缩放到不同的尺度

对于每一个尺度的图片，都依次通过我们的算法进行预测，但是要对每一个不同的尺度都要预测一次，需要预测很多次，效率比较低

(b).将图片通过backbone得到我们最终的一个特征图，然后再进行预测，就是faster-rcnn的一个流程.对于小目标预测效果不是很好

(c).首先将图片传入backbone，然后会在backbone正向传播的过程当中得到的不同特征图上分别进行一个预测

(d).FPN结构，将不同特征图上的特征去进行一个融合，然后在融合之后的特征图上再进行一个预测。（进行融合的不同特征图的尺寸也是有要求的，一般是2的整数倍，第一层28*28，第二层14*14，最上面7*7）

 通过1*1的卷积核来保证他的channel是一样的，两倍上采样操作，将7*7转化为14*14，保证shape(高和宽)是一样的

然后进行一个add（拼接操作）

以ResNet50作为backbone

 总结：FPN就是将不同的特征图上的特征进行融合。