金字塔特征融合

金字塔的三种主要结构

FPN: Feature Pyramid Networks for Object Detection (CVPR 2017)

PANet: Path Aggregation Network for Instance Segmentation (CVPR 2018)

BiFPN: EfficientDet: Scalable and Efficient Object Detection (CVPR 2020)

Deep High-Resolution Representation Learning for Human Pose Estimation（CVPR 2019）

同分辨率的层直接复制；需要升分辨率的使用双线性上采样，并用 1x1卷积将通道数统一；需要降分辨率的使用步长为3的卷积。然后直接将特征图相加。

Learning Spatial Fusion for Single-Shot Object Detection （CoRR 2019）

在FPN的基础上加了一个自适应特征融合模块（ASFF）。上采样：首先用1*1的卷积进行通道变换，然后进行上采样。1/2比例下采样：使用步长为2的3*3的卷积同时对通道和分辨率进行变换； 1/4比例下采样：先使用步长为2的3*3的卷积同时对通道和分辨率进行变换，然后再使用步长为2的最大池化下采样。权重α，β，γ是通过卷积学习到的。

Construct Effective Geometry Aware Feature Pyramid Network for Multi-Scale Object Detection （AAAI 2022）

增加了特征增强模块FA。 

Dynamic Feature Pyramid Networks for Detection （ICME 2022）

GAW为生成权重模块，主要包含平均池化，全连接层以及sigmoid激活函数。主要思想和CondConv一样，用不同的权重乘上固定的卷积核。