FPN网络介绍

这篇论文是CVPR2017年的文章，采用特征金字塔做目标检测
论文：feature pyramid networks for object detection
论文链接：https://arxiv.org/abs/1612.03144
FPN:feature pyramid networks 特征金字塔网络
论文概述：
object detection算法都是只采用顶层特征做预测，但我们知道低层的特征语义信息比较少，但是位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法如SSD，yolov3采用多尺度特征的方式，但是一般是采用多尺度特征单独做预测，但缺少高底层融合，而FPN不一样的地方在于预测是在不同特征层独立进行的同时有平行层的特征融合。

4种利用特征的形式：

（a）图像金字塔，即将图像做成不同的scale，然后不同scale的图像生成对应的不同scale的特征。这种方法的缺点在于增加了时间成本。有些算法会在测试时候采用图像金字塔。

（b）像SPP net，Fast RCNN，Faster RCNN是采用这种方式，即仅采用网络最后一层的特征。

（c）像SSD（Single Shot Detector）采用这种多尺度特征融合的方式，没有上采样过程，即从网络不同层抽取不同尺度的特征做预测，这种方式不会增加额外的计算量。作者认为SSD算法中没有用到足够低层的特征（在SSD中，最低层的特征是VGG网络的conv4_3），而在作者看来足够低层的特征对于检测小物体是很有帮助的。

（d）FPN是采用这种方式，顶层