目标检测“Feature Pyramid Networks for Object Detection”

为了在不同尺度检测物体，特征金字塔很重要。作者提出了一个具有横向连接的自上而下的结构，来构造每个尺度的高层语义特组图。这个结构成为特征金字塔网络（FPB）。

几种不同的检测结构对比，图（a）是使用图像金字塔构造特征金字塔，图（b）只使用一个尺度的特征进行快速检测，图（c）使用深度卷积结构的不同特征检测，图（d）是论文提出的具有自下而上，自上而下和横向连接结构的特征金字塔网络：

论文的目标是构造一个每层都具有强语义性的特征金字塔，它通过综合低分辨率、强语义性的信息和高分辨率、弱语义性的信息实现，即自上而下和横向链接的结构。这种自上而下的结构又有两种形式，如图2Top,使用最精细层来预测，而本文使用自上而下的每层来预测。

自上而下的结构：
通过对上层金字塔信息进行上采样，得到高分辨率的特征。特征之后使用横向链接与自下而上结构的特征进行综合，即简单的元素间相加。迭代该过程直至得到最精细层的特征，迭代之前，先对C5进行1*1的卷积生成粗糙特组图，最后一层特征进行3*3的卷积消除上采样产生的对齐影响。下图即自上而下结构的表示：

实验结果