FPN对于目标检测的优点

之前没细想，以为FPN只是做了一个多尺度融合，没想到FPN在目标检测中解决了一些关键问题。

---

参考https://zhuanlan.zhihu.com/p/55824651

（1）多尺度信息融合
同时融合了低层的细节信息和高层的语义信息，增大了低层的感受野，使得低层在做小目标检测时能获得更多上下文信息。
(不过小目标真的需要那么多上下文信息嘛？或者融合的时候是不是该做个注意力机制？)
有实验表明对低层增加深度能提高小目标的performance，不过低层的conv越多计算量增加得太快
（2）不同尺度的目标anchor稀疏程度不同
这是之前没注意到的，FPN的低层anchor更密集，高层更稀疏，用低层来检测小目标的话，相当于就是利于小目标的采样了。
（不过按照coco的规定，在低层也有中目标和大目标被分配，更小的目标仍然不利于采样，但是一个anchor又不能分配给多个gt，更小的目标就是不容易被分到。FCOS里专门做了重叠时分配给最小的目标，会有作用）