1.NAS-FPN使用强化学习的方式对FPN网络自动搜索,在coco数据集上得到了最好的FPN结果。可以理解为连连看,然后连出一个最好的。如下图:a图为原始的FPN, 好看整齐。然后在一步一步搜索的reward下,结构组件变化。由b--->f变为最终的结果。虽然不好看。
最终NAS-FPN结构为:可以看到和retinanet一样有5个输入p3,p4,p5,p6,p7然后对应5个输出p3,p4,p5,p6,p7作者也是在retinanet上应用的NAS-FPN与别的方法进行比较。结果详见论文,可以涨不少点