本文介绍了FPN（Feature Pyramid Network）和PAN（Path Aggregation Network）在目标检测中的作用。FPN通过高层语义特征传递增强多尺度表达，而PAN则将底层定位信息传递到高层，提升定位能力。此外，还讨论了SPP（Spatial Pyramid Pooling）结构，它解决了CNN对固定输入尺寸的需求，提升了模型对不同尺度输入的适应性。
一、FPN+PAN
FPN 高维度向低维度传递语义信息（大目标更明确）
PAN 低维度向高维度再传递一次语义信息（小目标也更明确）
深层的feature map携带有更强的语义特征，较弱的定位信息。
而浅层的feature map携带有较强的位置信息，和较弱的语义特征。
FPN就是把深层的语义特征传到浅层，从而增强多个尺度上的语义表达。
而PAN则相反把浅层的定位信息传导到深层，增强多个尺度上的定位能力。
二、SPP
在何恺明2015年《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》被提出，改论文主要改进两点：
解决CNN需要固定输入图像的尺寸，导致不必要的精度损失的问题；
因为带有全连接层的网络结构都需要固定输入图像的尺度，当然后期也有直接用conv层代替FC层的，比如SSD网络直接用conv层来计算边界框坐标和置信度的。
具体的关于SPP，请参见什么是SPP网络_thequitesunshine007的博客-CSDN博客
扫一扫
324
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
