简单看看FPN

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

看看FPN

利用图像金字塔的原理，增加网络对低层信息的关注。
底层信息中有更多的像素级的信息，细节信息，空间特征等；高层信息更多的是语义特征，帮助理解。
更好的检测小目标。

---

看看论文的图

---

看看测试

显卡：RTX3060
CUDA: 11.3
cudnn: 8.2.1.32

想看看显存占用和计算的差异，使用pytorch用ResNet18简单测了下，只用到backbone和FPN输出层，没有其他层了，目的也不是对比结果。

torchstat输出结果
renet18

显存： 2093m

---

resnet18+3*fpn

显存：2093m

---

显存没有差别，估计主要显存还是消耗在图像数据的计算和resnet backbone的中间计算访存量。
看起来影响显存的主要问题并不是模型，和模型结构的计算方法有关，比如attention方法由于计算的是矩阵相乘而不是elementwise的操作，导致占用显存特别多。

---

FPN还是提供了一个特征金字塔，然后通过对特征金字塔上进行RPN等后续操作来提升对不通尺度目标的检测准确度。