目标检测（特征金字塔网络）

本次将延续介绍一篇与目标检测相关的学术论文 《Feature Pyramid Networks for Object Detection》，其研究团队由Piotr Dollar、Ross Girshick以及何凯明等知名学者组成，整体阵容十分强大且具有代表性。

特征金字塔 作为一种关键结构，在深度学习驱动的多尺度目标检测任务中早已被广泛应用，其常见的实现方式主要包括以下几种。

（1）所采用的网络架构为一个基础的全卷积网络，为了实现对不同尺寸目标的识别，需依次对原始图像进行比例缩放后再输入至网络中。然而该方法存在明显不足之处，即需要反复调整图像尺寸，导致处理过程较为复杂且耗时较长。

（2） 网络架构采用了一种高度复杂的全卷积结构，能够处理任意尺寸的原始图像，并生成对应的特征图。在该特征图基础上，可对不同尺度的目标位置进行回归操作。R-CNN系列模型正是基于这一技术路径。然而，这种方法存在一定的局限性，例如容易忽视尺寸较小的目标，并且同时处理多个尺度的任务具有较大难度。

![flo