简单理解FPN
前提:在进行逐层的特征提取后,就会得到高语义的特征图,但是一般经过多层卷积后,图像都会比原来小很多。而正如我们在做目标检测时看到的那样,检测的显示出来的图片是和原来的一样大的,因此就要把具有高语义的小特征图进行大小上的还原。
FPN:fpn将提取到的特征图经过插值方法进行还原,在与前向过程中保留的对应层的特征信息进行融合,这样得到的特征图,既保留了原本图像的高分辨率,又具有高语义。
更新一下,又去看了下rpn,感觉rpn是在fpn的基础上添加了生成9个猫框的功能吧。并没有改变fpn原来的框架。
纯属个人理解。。。。。。。。。。。。。。。。。。。。。。