FPN(Feature Pyramid Networks)讲解笔记

1. FPN(Feature Pyramid Networks)

1.1 视频链接

https://www.bilibili.com/video/BV1dh411U7D9?p=1&share_medium=android&share_plat=android&share_source=COPY&share_tag=s_i×tamp=1619145936&unique_k=Qhn6xA

1.2 笔记内容

FPN(Feature Pyramid Networks)讲解笔记_第1张图片
讲解是d,与c对比,对缩放的不同的特征图进行融合。
具体融合方式如下:

比如中间层的1X1的卷积保持通道数不变,和上一层的2X上采样进行累加;
上采样的方法包括:转置卷积、插值、unpoolind等,原文是简单的临近插值算法;
FPN(Feature Pyramid Networks)讲解笔记_第2张图片
P6用于RPN,P2-P5用于Fast RCNN,其中P6和P2-P5共享权重是比较好的选择,一个是减少计算量,二是实验表明结果几乎没有差别。

问:不同尺寸的特征图怎么共享权重?
答:

每层预测结果的计算方法:
FPN(Feature Pyramid Networks)讲解笔记_第3张图片

你可能感兴趣的:(深度学习,音视频,计算机视觉,人工智能)