【论文阅读笔记】Feature Pyramid Networks for Object Detection

论文名称：《Feature Pyramid Networks for Object Detection》
论文链接：https://arxiv.org/abs/1612.03144
参考代码(非官方)：https://github.com/jwyang/fpn.pytorch（Pytorch实现）

综述

多尺度目标检测是计算机视觉领域的一个基础且具挑战性的课题，尤其是在目标检测方面。下图是目前常用的四种多尺度处理方法。

依次介绍一下这四张图的多尺度处理方法。

• 特征金字塔
  特征金字塔是在图像金字塔基础上构建构建形成的，这种方法早期使用在人工提取的特征上。随着深度学习的流行，深度卷积特征成为主流。特征金字塔结构的优势是可以产生多尺度的特征，其中每一层都是语义信息加强的，包括高分辨率的低层。但这样的方法需要很高的时间及计算量消耗，难以在实际中应用。

• 特征最上层进行预测
  由于CNN在计算的时候本身就存在多级特征图，不同层的特征图尺度也不同，天然形成了金字塔结构，其中最上层的特征语义化程度最高，可以使用进行预测，FasterRCNN便是这个思路。但由于前后层之间不同深度影响，语义信息差距太大，高分辨率的低层特征很难有代表性的检测能力。

• 特征分层预测
  这种方法借鉴了特征金字塔的思路，直接强行让每层分别预测对应的尺度分辨率的检测结果，SSD就采用了类似的思想。而对于CNN而言，不同深度对应着不同层次的语义特征。浅层网络分辨率高，学的更多是细节特征，深层网络分辨率低，学的更多是语义特征。这