迭代FPN：DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution

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.

Switchable Atrous Convolution：