【目标检测】FPN特征金字塔完整流程详解-Toy模板网

这篇具有很好参考价值的文章主要介绍了【目标检测】FPN特征金字塔完整流程详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

学习视频：1.1.2 FPN结构详解

对比

可以看到FPN是自上而下、自下而上并且可以进行多尺度特征融合的的层级结构。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

1x1 conv: 对通道数进行调整，不同大小的特征图通道数不同，越高层次的特征图通道数越大，论文中使用256个1x1的卷积核，从而把特征图的通道数都调整为256。
2x up: 使用插值法把高层次特征图大小放大两倍从而变为和低一层的特征图大小一样大。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

使用不同大小的卷积对特征图进行操作，从而生成了不同大小的4个特征层。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

因为4个特征图大小和通道数都不同，所以需要调整为相同的通道数和大小后才能两两相加。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

在相加后加一个3x3的卷积来进行相加后的进一步的特征融合。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络

最终得到了4张通道数相同、大小分别两倍递减的特征图。

P6根据P5下采样得到。

注：P6这一层只在RPN中生成proposal部分进行使用，即使用P2-P6这5层来生成候选区域，在faster rcnn的预测部分不使用，还是只用P2-P5这4层进行预测。
在P2-P6生成proposals，然后把生成的proposals映射到P2-P5上从而预测结果。

【目标检测】FPN特征金字塔完整流程详解,计算机视觉,目标检测,深度学习,计算机视觉,cnn,神经网络文章来源地址https://www.toymoban.com/news/detail-859889.html

到了这里，关于【目标检测】FPN特征金字塔完整流程详解的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！