特征金字塔网络感受野
Feature Pyramid Network Receptive Field
在特征金字塔网络 (paper) 中，对任何 CNN（例如 ResNet-101）的最后一层进行提取，并对 P5、P4 和 P3 进行 2,4 和 6 的上采样。为了允许细粒度的特征映射，来自 ResNet-101 中先前层的横向连接被连接起来。
在 RetinaNet (paper) 中还有 2 个金字塔层，P6 是通过在最后一个 conv 上应用 3x3 过滤器构建的。 ResNet-101 和 P7 中的层，通过在 P6 上应用 3x3 过滤器，步幅均为 2。
所有特征金字塔层都通过 1 个分类子网和 1 个边界框子网传播，它们共享所有特征金字塔的权重。
由于P6和P7的感受野较大，分类子网是取最大感受野还是分别取每个金字塔层的感受野？
我会单独说。特征金字塔的全部意义在于使用每个尺度的特征。
在特征金字塔网络 (paper) 中，对任何 CNN（例如 ResNet-101）的最后一层进行提取，并对 P5、P4 和 P3 进行 2,4 和 6 的上采样。为了允许细粒度的特征映射，来自 ResNet-101 中先前层的横向连接被连接起来。
在 RetinaNet (paper) 中还有 2 个金字塔层，P6 是通过在最后一个 conv 上应用 3x3 过滤器构建的。 ResNet-101 和 P7 中的层，通过在 P6 上应用 3x3 过滤器，步幅均为 2。
所有特征金字塔层都通过 1 个分类子网和 1 个边界框子网传播，它们共享所有特征金字塔的权重。
由于P6和P7的感受野较大，分类子网是取最大感受野还是分别取每个金字塔层的感受野？
我会单独说。特征金字塔的全部意义在于使用每个尺度的特征。