目录
1.FPN
1.1 FPN层原理
在Faster R-CNN网络中,提取特征的时候,将原始数据经过一系列的卷积层,我们只用最后一层的特征图进行提取。
比如五层卷积神经网络,直接把第五层的output结果拿出来当作特征提取的结果了。
但是我们在进行特征提取的时候,我们认为网络层数越高提取信息越丰富。(随着卷积层的增加越往后的卷积层提取出来的特征越是包含整体的语义信息)(原因是越往后的卷积层感受野越大、特征融合越多)。但是越往后的特征层越容易忽略前面的原始图片的细节轮廓信息(小物体信息)。
于是我们提出了FPN层:我们用多层特征层来得到特征提取的结果。