Feature Pyramid Networks for Object Detection

FPN, CVPR17。

核心创新点是feature pyramid。传统方法应对尺度变化， 做image pyramid,这样很费时。 其实图像金字塔的作用可以用CNN前向过程中产生分辨率逐渐降低的feature pyramid来代替。

这样的想法很自然， 利用feature pyramid可以共享计算， 这样增加的计算量是很小的。 前面也有人尝试这么做，见下图：

(b)是一般检测模型的方法， 只在最上面的特征层做后面的检测（classification&location)。这样信息利用的不充分。

(c)是SSD的方法， 在后面的不同特征层做检测。但是SSD没有利用靠前的高分辨率特征，但是这些特征对检测小物体是很有益的。

(d)是文中提出的方法。左边是bottom-up过程，也就是CNN前向过程， 右边是top-down过程， 每个尺度的特征是更小尺度特征上采样和bottom-up中同尺度特征的融合。然后分别在每个尺度的特征上做后续检测。

other details:

a. 和SSD类似， 结合FPN的faster rcnn，其anchors按尺度分配给不同feature pyramid的不同层；

b. feature pyramid各层后续的head参数共享。