【总结】特征金字塔

问题

在计算机视觉中，识别不同尺度的物体是一个基本的挑战。

解决思路

特征图像金字塔（Featurized image pyramid，如下图）是传统解决思路，在需要检测不同尺度的物体的时候，将图片缩放到不同尺度，针对每个尺度依次通过算法进行预测，缺点是生成了多少个不同的尺度的图片，就要做多少次预测，效率低下。

Faster R-CNN中的做法（Single feture map ，如下图），在图片通过主干网络后，得到最终的特征图，在最终的这个特征图上进行预测，缺点是针对小目标检测效果不佳。

SSD中的做法（ Pyramidal feature hierarchy，如下图），在图片通过主干网络后得到不同尺度的特征图后，在不同尺度的特征图上分别进行预测。

FPN（ Feature Pyramid Network）结构中，将主干网络得到的不同尺度的特征图进行了融合，在融合之后的特征图上进行预测。