FPN（特征金字塔结构）详解
FPN(Feature Pyramid Networks)
(a).特征图像金字塔结构，针对检测不同尺度的目标，将我们的图片首先缩放到不同的尺度
对于每一个尺度的图片，都依次通过我们的算法进行预测，但是要对每一个不同的尺度都要预测一次，需要预测很多次，效率比较低
(b).将图片通过backbone得到我们最终的一个特征图，然后再进行预测，就是faster-rcnn的一个流程.对于小目标预测效果不是很好
(c).首先将图片传入backbone，然后会在backbone正向传播的过程当中得到的不同特征图上分别进行一个预测
(d).FPN结构，将不同特征图上的特征去进行一个融合，然后在融合之后的特征图上再进行一个预测。（进行融合的不同特征图的尺寸也是有要求的，一般是2的整数倍，第一层28*28，第二层14*14，最上面7*7）
通过1*1的卷积核来保证他的channel是一样的，两倍上采样操作，将7*7转化为14*14，保证shape(高和宽)是一样的
然后进行一个add（拼接操作）
以ResNet50作为backbone
总结：FPN就是将不同的特征图上的特征进行融合。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！