ML&DL课程学习笔记（含视频链接

1. FPN（Feature Pyramid Networks）

1.1 视频链接

https://www.bilibili.com/video/BV1dh411U7D9?p=1&share_medium=android&share_plat=android&share_source=COPY&share_tag=s_i&timestamp=1619145936&unique_k=Qhn6xA

1.2 笔记内容

讲解是d，与c对比，对缩放的不同的特征图进行融合。
具体融合方式如下：

比如中间层的1X1的卷积保持通道数不变，和上一层的2X上采样进行累加；
上采样的方法包括：转置卷积、插值、unpoolind等，原文是简单的临近插值算法；

P6用于RPN，P2-P5用于Fast RCNN，其中P6和P2-P5共享权重是比较好的选择，一个是减少计算量，二是实验表明结果几乎没有差别。

问：不同尺寸的特征图怎么共享权重？
答：

每层预测结果的计算方法：