CVPR 2017论文解读：特征金字塔网络FPN

比较其他单模型办法结不雅为：

最后是在 FPN 基本上，将 RPN 和 Fast RCNN 的特点共享，与原 Faster CNN 一样，精度获得了小幅晋升。

FPN+Faster RCNN 的办法在 COCO 数据集上最终达到了最高的单模型精度。

总结起来，本文提出了一种奇妙的特点金字塔连接办法，实验验证对于物体检测异常有效，极大年夜进步了小物体检测机能，同时因为比拟于本来的图像金字塔多标准检测算法速度也获得了很大年夜晋升。

CVPR 现场 QA：

1. 不合深度的 feature map 为什么可以经由 upsample 后直接相加？

A：作者解释嗣魅这个原因在于我们做了 end-to-end 的 training，因为不合层的参数不是固定的，不合层同时给监督做 end-to-end training，所以相加练习出来的器械可以或许更有效地融合浅层和深层的信息。

2. 为什么 FPN 比拟去掉落深层特点 upsample(bottom-up pyramid) 对于小物体检测晋升明显？（RPN 步调 AR 大年夜 30.5 到 44.9，Fast RCNN 步调 AP 大年夜 24.9 到 33.9）

A：作者在 poster 里给出了这个问题的谜底

FPN

3. 如不雅不推敲时光情况下，image pyramid 是否可能会比 feature pyramid 的机能更高？

本文转自机械之心，作者为 Momenta 高等研发工程师李俊。

【编辑推荐】

【义务编辑：张子龙 TEL：（010）68476606】

以未root的Android手机作为进击平台写在前面的话在此之前，我曾写过一篇关于如安在Kali Linux和macOS（OS X）上安装RouterSploit的教程【传送门】，但在这篇文┞仿中我将会一步一步地教>>>详细阅读

地址：http://www.17bianji.com/lsqh/36411.html