卷积神经网络——FPN(Feature Pyramid Networks)介绍

FPN(Feature Pyramid Networks)：特征金字塔网络，是用来提取不同尺度特征图的，提供给后面的网络执行预测任务。
为什么需要FPN呢？简要介绍一下，在目标检测的网络中，要识别不同大小的物体是该网络实现检测的基本的需要。最常见的方法就是对图像金字塔取特征图，但是该方法需要大量的算力和内存，后面又使用了其他几种方法，我们下面会介绍，最终作者提出了FPN的网络能够实现对小物体很好的检测效果。这是为什么呢？后面介绍。

FPN的论文链接： https://arxiv.org/abs/1612.03144
论文翻译：https://blog.csdn.net/itlilyer/article/details/108952700

几种金字塔方案

这里借用一下FPN论文里面的图：
第一种金字塔： 也就是图中的a，翻译一下大概意思是使用图像金子塔来创建一个特征金字塔，每个尺度的图像分别计算其特征。也就是说要先使用原图来创建一个图像金字塔，然后再计算每个尺度图像的特征生成一个特征金字塔。这种金字塔大量用于手工创建特征，对最终的精度也起到了至关重要的作用，为了达到比较好的精度结果，每一个octave可能需要10种不同scale。(octave 在FPN的论