本文详细介绍了特征图像金字塔及其在多尺度目标检测中的作用，特别是特征金字塔网络(FPN)的原理和优势。FPN通过结合不同层级的特征，解决了小目标检测的难题，提高了检测准确性。此外，文章还探讨了FPN与Fast/Faster R-CNN的关系，以及在ResNet50上的应用，并给出了相关论文和代码示例。
文章目录
0 前言：
这会是个系列整理，对图像特征进行盘点笔记，欢迎留言或加群交流。
1 微信交流群：
我建立了1组CV微信交流群，
关注公众号：菜鸡Ai
后台回复：加群
备注：学校|公司+昵称+方向 会有小哥哥拉你进群。
每日面经1道：
卷积与全连接层的区别？
答案：先自己写，再往下翻查看答案。
2 特征图像金字塔
2.1 Featurized image pyramid
是在图像金字塔基础上构建的特征金字塔（featurized image pyramids ）,这是传统解决多尺度目标检测时候的一个思路，具有一定意义的尺度不变性。直观上看，这种特性使得模型可以检测大范围尺度的图像。使用图像金字塔建立特征金字塔，每个独立的图像尺度上计算特征，这计算特别缓慢。
2.2 概述
Featurized image pyramids 主要在人工特征中使用，比如DPM就要
订阅专栏 解锁全文
6320
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
