wzyxgg的博客

采用FAM动态的将多尺度特征相加，第一层可变形卷积（deformConv1）负责调整L层的位置使L层和P层对齐，将P与上采样后的L相连接，再通过一个3x3的卷积，得到偏移图Δo，用学习到的偏移将L与P对齐，第二个可行变卷积相当于一个注意力机制，关注物体突出的部分，将FAM加到r-FPN的不同阶段，以提升mask预测效果。先利用RoI-align得到区域级的特征，再将P4-P2的特征一次加入，从tiny到large（这里认为是从P5开始做RoI-align）,Lr是r-FPN的层，Pi是i-FPN的层。