Faster RCNN如何结合FPN结构(很多程序成为Faster RCNN+FPN)

参考:

https://blog.csdn.net/u012426298/article/details/81516213

可以用下面这个图来解释,FPN不是一个完整的目标检测网络,只是一个特征金字塔网络,提到的FPN实际是特征金字塔提取特征,因此Faster RCNN加上FPN的思想,本质上就是改了特征提取部分,因为特征层变多了,因此ROIpooling也增加了。

Faster RCNN如何结合FPN结构(很多程序成为Faster RCNN+FPN)_第1张图片

FPN的motivation:

低层的特征语义信息比较少,但是目标位置准确;高层的特征语义信息比较丰富,但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式,但是一般是采用融合后的特征做预测,而本文不一样的地方在于预测是在不同特征层独立进行的。

Faster RCNN如何结合FPN结构(很多程序成为Faster RCNN+FPN)_第2张图片

这个图是它与其他特征融合的不同之处,即不同特征层独立预测(predict)。

实现细节:

Faster RCNN如何结合FPN结构(很多程序成为Faster RCNN+FPN)_第3张图片

这个1x1的卷积其实挺关键的,进行通道数变换。

你可能感兴趣的:(目标检测)