FPN就是所谓的金字塔结构的检测器，（Feature Pyramid Network)html
把FPN融合到Faster rcnn中可以很大程度增长检测器对全图信息的认知，网络
在个人另外一篇博客中对多尺度融合有较为详细的介绍，https://www.cnblogs.com/ywheunji/p/11022674.htmlurl
步骤如图所示：spa
1.先将图像送入底层网络中获得一个feature map,能够用resnet等 网络.net
2.图中的1，2，3层即为预训练网络获得的特征，以后采起的操做是对于2层进行1*1的降维操做，而后与3层上采样以后的结果进行相加，获得5层，这就是FPN的操做。htm
3.对于6层是同样的操做，而后对于获得的4，5，6层（top-down网络，fpn的核心）进行RPN操做获得region proposal，以后与原始faster rcnn的操做同样，经过3*3的卷积以后链接分类层和回归层。blog
4.获得的结果进行roi pooling操做，即固定特征的大小。get
5.最后，链接两个1024层的全链接层，而后分两个支路，链接最后对应的分类层和回归层博客
使用了更深网络来构造特征金字塔，能增长鲁棒信息；除此以外，将低层特征和高层特征累加，是由于低层特征能够提供更加准确的位置信息，而屡次的降采样和上采样操做使得深层网络的定位信息存在偏差，io
浅层的网络更关注于细节（位置）信息，高层的网络更关注于语义信息，而高层的语义信息可以帮助咱们准确的检测出目标。所以咱们将其结合其起来使用，这样咱们就构建了一个更深的特征金字塔，融合了多层特征信息，并在不一样的特征进行输出。
0.浅层的网络更关注于细节（位置）信息，高层的网络更关注于语义信息
高层的语义信息可以帮助咱们准确的检测出目标
1.融合深层特征适合作复杂任务
图像中存在不一样尺寸的目标，而不一样的目标具备不一样的特征，利用浅层的特征就能够将简单的目标的区分开来；利用深层的特征能够将复杂的目标区分开来；这样咱们就须要这样的一个特征金字塔来完成这件事。
图中咱们在第4层输出较大目标的检测结果，在第5层输出次大目标的检测结果，
在第6层输出较小目标的检测结果。由于在大的feature map上进行操做，能够得到更多关于小目标的有用信息（分辨率有关，第三条）；
检测也是同样，咱们会在第4层输出简单的目标，第5层输出较复杂的目标，第6层输出复杂的目标。
2.下采样倍数小的特征感觉野小，适合小目标
另外在yolov3中对多尺度检测的理解是，1/32大小的特征图下采样倍数高，因此具备大的感觉野，适合检测大目标的物体，1/8的特征图具备较小的感觉野，因此适合检测小目标。
3.小尺度分辨率信息不足不适合小目标
对于小目标，小尺度feature map没法提供必要的分辨率信息，因此还需结合大尺度的feature map