FPN(Feature Pyramid Network)多尺度目标检测

参考文献：Feature Pyramid Networks for Object Detection

会议等级：CVPR 2017

公开代码地址：https://github.com/unsky/FPN

1. 多尺度目标检测问题

CNN网络在应对位置变化方面展现出较强的适应能力，然而其在处理尺度变化时表现较为薄弱，因此大多数检测任务都需要着重考虑如何应对尺度问题。接下来，我们先观察一张极具代表性的图像，该图像集中体现了当前众多检测任务在处理物体尺度问题时所采用的多种思路：

(a) 在非深度学习方法中较为普遍，其核心在于将图像调整至不同尺寸，从而构建出多尺度的图像金字塔结构。通过这种方式，一些类似固定滑动窗口的技术便能够识别不同尺寸的目标。这一策略在深度检测方法中也有所应用，例如MTCNN，但通常网络深度并不高，且实际应用范围有限，主要受限于内存占用与计算时间的巨大消耗问题，因为CNN在特征提取过程中需要耗费大量时间。

(b)(c) 所展示的思路则更为常见。Faster RCNN实