通常，利用网络对物体进行检测时，浅层网络分辨率高，学到的是图片的细节特征，深层网络，分辨率低，学到的更多的是语义特征。

1)、通常的CNN使用如下图中显示的网络，使用最后一层特征图进行预测

例如VGG16，feat_stride=16,表示若原图大小是1000*600，经过网络后最深一层的特征图大小是60*40，可理解为特征图上一像素点映射原图中一个16*16的区域；那这个是不是就表示，如果原图中有一个小于16*16大小的小物体，是不是就会被忽略掉，检测不到呢！

所以，使用上图中的网络的缺点就是，会造成检测小物体的性能急剧下降


2)、如果上面的单层检测会丢失细节特征；就会想到，利用图像的各个尺度进行训练和测试，比如下图所展示（图片金字塔生成特征金字塔）

将图片缩放成多个比例，每个比例单独提取特征图进行预测，这样，可以得到比较理想的结果，但是比较耗时，不太适合运用到实际当中。


3)、为了节约时间，直接使用卷积网络中产生的各层特征图分别进行预测

SSD网络也采用了类似的思想，这种方法的问题在于，让不同深度的特征图去学习同样的语义信息，同样会忽略掉底层网络中的细节特征

 

4)FPN网络，网络结构原理如下图所示

先来说下FPN能解决什么问题

FPN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

左边的称为“自底向上”，右边的称为“自上而下”


①   自底向上：

自底向上的过程就是神经网络普通的正向传播过程，特征图经过卷积核计算，通常会越变越小

②   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，然后把该特征横向连接至前一层特征，因此，高层特征得到了增强，每一层预测所用的feature map都融合了不同分辨率、不同语义强度的特征，可以完成对应分辨率大小的物体进行检测，保证每一层都有合适的分辨率以及强语义特征。

值得注意的是：横向连接的两层特征在空间尺寸上要相同，这样做可以利用底层定位细节信息

 

上面通过文字描述完成了FPN网络的演化历程及其基本原理，下面通过一张图，对FPN的工作原理进行补充描述（基于ResNet50网络）


从上图中可以很清晰的看到FPN工作的原理，至于后面省略掉的网络不是这次的重点，可以参看RPN相关知识点

 

作为一枚技术小白，写这篇笔记的时候参考了很多博客论文，在这里表示感谢，同时，转载请注明出处....