FPN网络

论文链接 ：https://arxiv.org/pdf/1612.03144.pdf

B站链接：1.1.2 FPN结构详解_哔哩哔哩_bilibili 

参考资料：如何理解神经网络中通过add的方式融合特征？ - 知乎 (zhihu.com)

                特征融合方式：concat和add_小娜美要努力努力的博客-CSDN博客_add融合法

FPN网络框架

 

 分类网络中的backbone在进行缩放的时候都是以2的整数倍进行缩放的。

对于每一个特征图我们都采用1X1的卷积层进行处理，由于不同层次上的特征图中获得的层数不同，但是需要进行融合获得的shape应该一致，因此采用卷积操作。

高层次的特征图进行2倍的上采样（临近插值算法），使两者的的shape完全一致，进行add操作。

更完整的图像 

其中P6只用于RPN中，P2-P5用于Faster-RCNN中，由于FPN结构一个和多个的性能相差不大，因此我们采用一个的结构获得更好的效果。

融合方法

add融合：两个特征图的数值直接相加，减少了计算的复杂度。本文采用此种方法。

concat融合：有两种形式，分别是在channel维度和num维度上进行融合，常见的channel维度有unet，但是通道数增加，计算复杂度也会增加。