PANnet网络运行流程（傻瓜式理解）

参考PAN的github代码：PAN.pytorch


在FPEM的up-Scale阶段，传入的是resnet18(假设backbone为resnet18)产生出的c2,c3,c4,c5经过通道数采样到128的特征图，up-Scale时，c5必须上采样到c4的大小才能与之相加得到新c4，c4必须上采样到c3的大小才能与之相加得到新c3，同理得到新c2。
在FPEM的up-Scale阶段，新c3上采样到新c2得到新新c3，新c4上采样到新新c3得到新新c4，同理得到新新c5，一个FPEM返回最后的新c2，新新c3，新新c4，新新c5。（注意新和新新）。
因为FPEM是级联的结构，所以第二个FPEM将会接受第一个FPEM返回的如上运算返回c2，c3，c4，c5。且相加。

        for i, fpem in enumerate(self.fpems):
            c2, c3, c4, c5 = fpem(c2, c3, c4, c5)
            if i == 0:
                c2_ffm = c2
                c3_ffm = c3
                c4_ffm = c4
                c5_ffm = c5
            else:
                c2_ffm += c2
                c3_ffm += c3
                c4_ffm += c4
                c5_ffm += c5

接下来进入到FFM，相加得到最后的c5,c4,c3分别同c2的后两个维度进行采样以获得相同的特征大小

        c5 = F.interpolate(c5_ffm, c2_ffm.size()[-2:], mode='bilinear')

        c4 = F.interpolate(c4_ffm, c2_ffm.size()[