精读FPN

摘要：

特征金字塔是识别系统中用于检测不同尺度目标的基本组成部分。但是由于其比较耗费算力和内存，最近的基于深度学习的目标检测器到避免使用。本文，我们利用深度卷积网络固有的多尺度金字塔层次结构，以边际额外成本构造特征金字塔。

Introduction

介绍了常用的特征金字塔的方法。。。。。

SSD第一个尝试使用深度网络的金字塔特征。但是为了避免使用低级的特征，ssd放弃了复用已经算出来的层，并通过增加几个新的层，从更高层的网络建立了金字塔。错失了复用特征层级中更高分辨率的特征图。我们将展示这对于检测小目标是非常重要的。

FPN 

本文的目标就是自然地利用卷积网络的特征层次的金字塔形态，生称一个在各个尺度上有较强语义的特征金字塔。

Bottom-up pathway:

经常有许多层产生相同尺寸的输出层，我们称这些层在同一个网络阶段（stage）。我们在每一层定义一个金字塔的level。选择每一阶的最后一层输出为金字塔的的特征图。

Top-down pathway and lateral connections

金字塔的所有层共享分类和回归参数。也做过不共享参数的实验，发现结果类似。说明金字塔的所有层共享类似的语义层。