FPN学习笔记

1.FPN结构

 以Resnet50为例：

bottom-up通过下采样，以因子为2采样。

top-down通过上采样，以因子为2采样。以临近插值算法。

Ci层通过1*1卷积调整channel和Ci层channel一样，再通过3*3卷积得到P2,P3,P4,P5。

注意：P6是P5通过最大池化1*1*256，stride=2采样得到的

P2,P3,P4,P5，P6通过RPN结构，但是P2,P3,P4,P5通过Fast R-CNN，P6不通过的

proposal通过P2,P3,P4,P5，P6投影在P2,P3,P4,P5

越是底层细节信息多，所以areas越小，越是上层，语义信息多，越大。

注意：不同的proposal是如何投影的 对应的映射特征层呢？

k0=P的数量，以上图为例，k0=4（p6不算）

wh为proposal在原图的宽*高，以w*h=112*112.

k=int（4-1）=3，投影到p3.