通常，利用網絡對物體進行檢測時，淺層網絡分辨率高，學到的是圖片的細節特征，深層網絡，分辨率低，學到的更多的是語義特征。
1)、通常的CNN使用如下圖中顯示的網絡，使用最后一層特征圖進行預測
例如VGG16，feat_stride=16,表示若原圖大小是1000*600，經過網絡后最深一層的特征圖大小是60*40，可理解為特征圖上一像素點映射原圖中一個16*16的區域；那這個是不是就表示，如果原圖中有一個小於16*16大小的小物體，是不是就會被忽略掉，檢測不到呢！
所以，使用上圖中的網絡的缺點就是，會造成檢測小物體的性能急劇下降
2)、如果上面的單層檢測會丟失細節特征；就會想到，利用圖像的各個尺度進行訓練和測試，比如下圖所展示（圖片金字塔生成特征金字塔）
將圖片縮放成多個比例，每個比例單獨提取特征圖進行預測，這樣，可以得到比較理想的結果，但是比較耗時，不太適合運用到實際當中。
3)、為了節約時間，直接使用卷積網絡中產生的各層特征圖分別進行預測
SSD網絡也采用了類似的思想，這種方法的問題在於，讓不同深度的特征圖去學習同樣的語義信息，同樣會忽略掉底層網絡中的細節特征
4)FPN網絡，網絡結構原理如下圖所示
先來說下FPN能解決什么問題
FPN主要解決的是物體檢測中的多尺度問題，通過簡單的網絡連接改變，在基本不增加原有模型計算量的情況下，大幅度提升了小物體檢測的性能
左邊的稱為“自底向上”，右邊的稱為“自上而下”
① 自底向上：
自底向上的過程就是神經網絡普通的正向傳播過程，特征圖經過卷積核計算，通常會越變越小
② 自上而下：
自上而下的過程是把更抽象、語義更強的高層特征圖進行上采樣，然后把該特征橫向連接至前一層特征，因此，高層特征得到了增強，每一層預測所用的feature map都融合了不同分辨率、不同語義強度的特征，可以完成對應分辨率大小的物體進行檢測，保證每一層都有合適的分辨率以及強語義特征。
值得注意的是：橫向連接的兩層特征在空間尺寸上要相同，這樣做可以利用底層定位細節信息
上面通過文字描述完成了FPN網絡的演化歷程及其基本原理，下面通過一張圖，對FPN的工作原理進行補充描述（基於ResNet50網絡）
從上圖中可以很清晰的看到FPN工作的原理，至於后面省略掉的網絡不是這次的重點，可以參看RPN相關知識點
作為一枚技術小白，寫這篇筆記的時候參考了很多博客論文，在這里表示感謝，同時，未經同意，請勿轉載....