https://arxiv.org/pdf/1911.09070.pdf
Efficientnet的延續，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，
統一擴展模型的方式（仍然是調整width, resolution, depth）。
1、BiFPN
當前的一些FPN變種，f為作者提出的bifpn，其實是PANet的簡單變種。
特征加權融合
FPN的特征融合方式中，對不同分辨率的特征都是相同權重。
本文使用加權的特征融合方式，並提出了三種方法，其中第三種方法在速度和精度上綜合最好。
加權后的融合方式
2、EfficientDet
（1）結構圖
可以看到，bifpn layer和class/box predict是重復的多個個layer構成的。
（2）結構擴展
backbone使用efficientnet系列；
bifpn中，寬度和深度按照如下方式增加；
box/cls prediction
寬度跟bifpn保持一致，線性增加深度
輸入分辨率
參考 https://arxiv.org/pdf/1911.09070.pdf