FPN 算法

参考链接：

FPN 学习笔记

FPN详解

【目标检测】FPN(Feature Pyramid Network)

1、什么是 FPN

FPN(Feature pyramid network) 是特征金字塔，是用来解决物体检测中的多尺度问题，它通过改变网络连接方式，在基本不增加计算量的情况下，大幅度提高了物体的检测性能。

FPN 通过自底向上的方式对特征图提取越来越抽象的特征，但是这种方式对小物体检测不友好，因此 FPN 增加了自上而下的方式，来对高阶的特征使用线性插值法来进行上采样，再跟下一阶的特征进行横向连接，使得每一层的特征图都融合了不同分辨率，不同层级语义的特征，可以完成对应分辨率的物体进行检测，保证每一层都有合适的分辨率以及高层语义特征

值得注意的是：横向连接的两层特征在空间尺寸上要相同，这样做可以利用底层定位细节信息

2、FPN 的网络结构

3、FPN 的算法步骤

4、FPN 的优点

① 可以同时利用低层特征的高分辨率和高层特征的高语义信息

5、FPN 的缺点

6、横向连接(Lateral connection)的步骤

① 对第 n 层的特征使用 1*1 卷积来修改通道数

② 对第 n+1 层的特征使用线性插值法来进行上采样，然后跟步骤 ① 的结果进行按元素相加

③ 对步骤 ② 的结果使用 3*3 卷积，目的是为了消除上采样产生的混叠效应(aliasing effect)

注：

混叠效应：上采样与原图叠加，造成特征的不连续，在原特征图上的失真（特征混乱）；

解决方法：再做卷积相当于 filter 操作，使之“还原”，也就是特征的再提取，保证特征的稳定性；