【目标检测】FPN（Fature Pyramid Network）详解

论文题目：《Feature Pyramid Networks for Object Detection》
论文地址：https://arxiv.org/pdf/1612.03144.pdf

概述

       这篇论文主要解决的问题是目标检测在处理多尺度变化问题时的不足，现在的很多网络都使用了利用单个高层特征(比如说Faster R-CNN利用下采样四倍的卷积层——Conv4，进行后续的物体的分类和bounding box的回归)，但是这样做有一个明显的缺陷，即小物体本身具有的像素信息较少，在下采样的过程中极易被丢失。我们知道低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略，即浅层特征有助于检测物体。为了处理多尺度的问题，经典的方法是利用图像金字塔的方式进行多尺度变化增强，但这样会带来极大的计算量。所以这篇论文提出了特征金字塔的网络结构，能在增加极小的计算量的情况下，处理好物体检测中的多尺度变化问题。

1. 前言

       下图中描述了四种不同的得到一张图片多尺度特征的方法：