深度卷积神经网络的特征融合方法

SSD 采用 6 个尺寸的特征图独立的预测目标，并没有融合不同特征图所蕴含的信息。目前，许多研究表明，底层高分辨率的特征图蕴含着目标的一些细节信息，这些信息有利于准确的定位目标。但是，由于底层的特征图进行的卷积运算较少，未能提取足够多的高级特征，语义信息不足，这不利于区分目标和背景。高层低分辨的特征图经历了大量的卷积运算，能够提取丰富的语义信息，但是由于下采样过多，导致丢失大量的细节信息。

Google TDM、DSSD和FPN的Top Down网络结构，在特征图特征融合的步骤中，他们用了不同的方法：

Google TDM使用的是concat操作，让浅层和深层的特征图叠在一起。（通道合并）

DSSD使用的是Eltw Product（也叫broadcast mul）操作，将浅层和深层的特征图在对应的通道上做乘法运算。