小目标检测——特征金字塔网络（FPN）

论文： Feature Pyramid Networks for Object Detection

1. 介绍

（a）图像金字塔对原图对原图进行上采样和下采样得到不同尺度的图像，然后分别对不同尺度的图像做卷积得到特征图（feature map），这样做明显很耗时。
（b）只用到了最高层的特征，越高层特征图语义信息越丰富，但是分辨率会降低，这样网络会不可避免的忽略小目标，比如R-CNN，Fast R-CNN、Faster R-CNN等检测不出小目标。
（c）直接在不同尺度的特征图上做预测，没有上采样过程，比如SSD（Single Shot Detector）。因为网络是在原有的特征图上做预测的，所以不会增加额外的计算开销，但是作者认为SSD还是没有用到足够底层的特征，越底层的特征对小目标的检测越有帮助。
（d）作者提出的方法，将高层特征做上采样增大特征图的尺度，然后将同尺度的特征图进行融合得到新的特征图，最后在这些新的特征图上做预测，这样网络就既能用到高层特征的语义信息，也能用到底层特征的位置信息。

2. 网络结构

金字塔的构建包括自下而上的通道，自上而下的通道和横向连接三部分。

2.1 自下而上的通道

这是数据向上流动的过程。特征图在经过某些层后会改变大小，比如步长为2的卷积层和池化层，当然，在经过某些比如Rule之类的激活层时候不会改变大小，作者将同尺度的特征图称为金字塔的一个阶