https://arxiv.org/pdf/1911.09070.pdf
Efficientnet的延续，提出了更快、更容易的多尺度融合BiFPN；提出了在backbone，feature network，box/class prediction上，
统一扩展模型的方式（仍然是调整width, resolution, depth）。
1、BiFPN
当前的一些FPN变种，f为作者提出的bifpn，其实是PANet的简单变种。
特征加权融合
FPN的特征融合方式中，对不同分辨率的特征都是相同权重。
本文使用加权的特征融合方式，并提出了三种方法，其中第三种方法在速度和精度上综合最好。
加权后的融合方式
2、EfficientDet
（1）结构图
可以看到，bifpn layer和class/box predict是重复的多个个layer构成的。
（2）结构扩展
backbone使用efficientnet系列；
bifpn中，宽度和深度按照如下方式增加；
box/cls prediction
宽度跟bifpn保持一致，线性增加深度
输入分辨率
参考 https://arxiv.org/pdf/1911.09070.pdf