# [Object Detection] Feature Pyramid Networks
2018-8-9, jingwenlai
## Network architecture
相较于U-Net等之差类似的技术的不同点是,此前利用pyramid特征等方法均是在最后一层finest的时候才做为特征进行检测,而FPN在每一层pyramid feature均会用来做预测。
FPN这个是通用的网络想法,可以扩展到很多不同的基础网格。文中使用RPN&Fast R-CNN来示例,接下来的RetinaNet也用到了这种思想。This process is independent of the backbone convolutional architectures.
整体结构由三部分组成:a bottom-up pathway, a top-down pathway, and lateral connections.
### Bottom-Up pathway
backbone 网络,通常选ResNet, 而由ResNet的网络可知,在每一stage中选取最后1个layer做为feature输出,因其在该层拥有最强的特征。
以Resnet举例,记conv2, conv3, conv4, conv5输出的最后一层为{C2, C3, C4, C5},