FPN(特征图金字塔网络),主要解决的是物体检测中的多尺度问题,通过简单的网络连接改变,在基本不增加原有模型计算量的情况下,大幅度提升了小物体检测的性能。
算法大致结构如下:一个自底向上的线路,一个自顶向下的线路,横向连接。
自底向上: 自底向上的过程就是神经网络的前向传播过程,特征图经过卷积核计算,尺寸会越变越小。
自上而下: 自上而下的过程是把更抽象、语义更强的高层特征图进行上采样。
横向连接: 横向连接则是将上采样的结果和自底向上生成的相同大小的特征图进行融合,横向连接的两层特征在空间尺寸相同,这样做可以利用低层定位细节信息。
关于encoder-decoder网络 - 特征融合
深度特征融合—高低层(多尺度)特征融合
对图像中语义信息、高层和底层特征的理解
CNN中的底层、高层特征、上下文信息、多尺度
多尺度特征融合
FPN(特征金字塔)结构笔记