1、简介

目标检测在多尺度尤其是小目标的检测上都是一个很大的挑战，我们可以使用金字塔模型的网络在同一张图片上来检测，如下图

但是处理那么多尺度的图片和卷积层会消耗大量的时间和内存，以致于几乎不能实现。因此我们可以换个思路，创造一个特征金字塔使用他们来进行目标检测，如下图。

但是底层的feature map对目标检测起的作用不是很大。于是FPN就考虑了这两点，同时提高精确度和速度，它代替了faster r-cnn里特征提取层，同时生成了多尺度高质量的feature map，如下图

2、数据流向

FPN包括两个数据流向，一个是从底往上，还有一个是从顶往下。前者就是通常的卷积操作，用来提取特征，空间分辨率也越来越低，语义价值越来越高。SSD是从多尺度的feature map做检测，然而底层的特征却没有被用到检测。他们有高分辨率但语义价值不是足够高，还会降低检测速度，所以SSD只用高层来检测，导致对小目标检测效果很差。

参看https://medium.com/@jonathan_hui/understanding-feature-pyramid-networks-for-object-detection-fpn-45b227b9106c