前言 解决目标检测任务中目标实例的尺度变化问题一般有两种方法: 图像金字塔(image pyramid),即对输入图像进行一系列的缩放,只在测试时被使用。这种方法会占用大量内存并且计算很复杂; 特征金字塔(feature pyramid),训练和测试时都可以使用。与图像金字塔相比,它占用的内存和计算开支都很少。 如下图所示,有四种不同构成方式的特征金字塔: 在SSD中,独立地利用了主干网络的最后两层,和经过步长为2的卷积得到的另外4个层来构成特征金字塔。在STDN中,只用了DenseNet的最后一个dense块,通过池化和尺度变换操作得到特征金字塔。在FPN中,通过top-down的通路和横