[目标检测]--MFPN：A NOVEL MIXTURE FEATURE PYRAMID NETWORK

摘要：

特征金字塔在许多检测器中得到了广泛的应用，解决了目标检测的尺度变化问题。本文首先研究了特征金字塔网络(FPN)结构，并简要地将其分为自顶向下、自底向上和融合分裂三种典型的结构，这三种结构分别在检测小目标、大目标和中型目标时具有各自的优点。进一步，我们设计了三种不同架构的FPNs，并提出了一种新的混合特征金字塔网络(MFPN)，它继承了这三种FPNs的优点，将这三种FPNs聚合在一个并行的多分支架构中，并混合了它们的特征。MFPN可以显著地增强一阶段和两阶段基于FPNs的检测器，在MS-COCO基准上增加约2%的平均精度(AP)，在运行时间延迟方面几乎没有牺牲。通过简单地将MFPN与一阶段和两阶段基准检测器组合在一起，我们实现了在COCO检测基准上的有竞争力的单模检测结果，并且没有附加额外的功能。

引言：

1.motivation：

为了应对目标检测中尺度变化问题，特征金字塔网络(FPN)是最具代表性的一种，它采用自顶向下的方式，将高层和低层的高语义信息融合在一起，取得了优异的性能。但是，这种自顶向下的体系结构设计具有以下固有的局限性:
(1)只将高语义信息从深层引入浅层，而没有考虑浅层对深层的辅助;
(2