从FPN到BiFPN：多尺度特征融合在目标检测中的演进与实践

1. 特征金字塔网络（FPN）基础解析

第一次接触FPN是在优化一个工业质检项目时遇到的痛点——产线上微小缺陷检测的漏检率居高不下。传统单尺度检测模型对0.5mm以下的划痕几乎无能为力，直到尝试了基于FPN的改进方案才恍然大悟：原来多尺度特征融合才是解决这类问题的银弹。

FPN（Feature Pyramid Networks）本质上是一种特征工程革命。它模拟了人类视觉系统处理多尺度物体的方式——当你看远处的高楼和近处的蚂蚁时，大脑会自动调用不同"分辨率"的视觉皮层进行处理。在卷积神经网络中，这种能力通过构建特征金字塔来实现：

• 自底向上路径：就像用不同倍率的显微镜观察样本。以ResNet为例，C3（1/8分辨率）能看清零件纹理，C5（1/32分辨率）则把握整体结构
• 横向连接：相当于给显微镜加装图像增强器。通过1x1卷积对齐通道数，比如将C3的256通道与C5的2048通道统一到256维
• 自顶向下路径：类似超分辨率重建技术。对高层特征进行2倍上采样（常用双线性插值），与同尺度低层特征相加，形成P3-P5系列特征图

实测中我发现个有趣现象：直接concat融合比element-wise add效果差约3% mAP。这是因为add操作更有利于保持梯度流动，而concat容易造成特征稀释。在COCO数据集上，使用FPN的RetinaNet比单尺度基线在小目标检测（area<32²像素）上提升了8.2% AP，验证了其跨尺度表征能力。

2. FPN在经典检测框架中的实战变种

三年前调试YOLOv3时，其独特的FPN实现方式让我踩了不少坑。与原始FPN不同，Darknet53采用的是跳跃连接+通道压缩方案：

# YOLOv3特征融合伪代码示例
def build_fpn(backbone_features):
    # 第一层处理
    x = C