网络结构
即将FPN输出做为backbone对应层的特征进行卷积,卷积后的结果输出到FPN,再与上次FPN输出的结果结合。
给backbone和fpn定义符号,公式化说明:
Bi代表在backbone的第i层卷积操作,xi是其卷积操作后的特征。
Fi代表FPN的对xi操作,fi代表其池化后的结果。
上面是递归前的FPN,图是递归操作,即
x->backbone->FPN(0)
(x+FPN(0))->backbone->FPN(1)
FPN = FPN(0) + FPN(1)
原理是这样,里面具体用到了一些空洞卷积和不同的卷积方法。
弄清楚i
结合看,xi是i层特征,xi-1是i层的上一层特征,xi-1经过第i层卷积Bi(xi-1)后,成为了xi。
S是FPN的层数,假设S=3,那么
f3 = F(0 + x3)
f2 = F(f3 + x2)
f1 = F(f2 + x1)
原文:where x 0 is the input image and f S+1 = 0.