早期的目標檢測演算法（無論是單階段還是雙階段）通常都是在backbone的最後一層的特徵圖直接外接檢測頭做物體檢測。其輸出的特徵圖解析度是輸入解析度的1/32，太小，不利於物體檢測，因此一般會將最後乙個stage（backbone中featuremap解析度相同的若干層）的maxpooling去掉或者將stride為2的conv改為stride為1的conv，以增大最後一層特徵圖的解析度。
而單一尺度的特徵圖無法同時有效的表徵各個尺度的物體，因此，逐漸利用不同stage的不同尺度特徵圖。用特徵金字塔網路（feature parymid network）表徵不同scale的物體，也就是進入了fpn時代。
1）backbone生成特徵階段
2）特徵融合階段
3）檢測頭輸出bounding box
物體檢測效能提公升，一般主要通過資料增強、改進backbone、改進fpn、改進檢測頭、改進loss、改進後處理等6個常用手段。
其中fpn自從被提出來，先後迭代了不少版本。大致迭代路徑如下圖：
無融合，又利用多尺度特徵的典型代表就是2023年提出的ssd，它直接利用不同stage的特徵圖分別負責不同scale大小物體的檢測。
自上而下單向融合的fpn，事實上仍然是當前物體檢測模型的主流融合模式。如我們常見的faster rcnn、mask rcnn、yolov3、retinanet、cascade rcnn等，具體各個fpn的內部細節如下圖。
panet是第乙個提出從下向上二次融合的模型，並且panet就是在faster/master/cascade rcnn中的fpn的基礎上，簡單增了從下而上的融合路徑。看下圖。
asff在yolov3的fpn的基礎上，採用了注意力機制。
其中bifpn的具體細節如下圖。
遞迴fpn(2023年)（detectors: detecting objects with recursive feature pyramid and switchable atrous convolution），效果之好令人驚訝，使用遞迴fpn的detectors是目前物體檢測（coco map 54.7）、實體分割和全景分割的sota，太強悍了。
遞迴fpn理解起來很容易，就是將傳統fpn的融合後的輸出，再輸入給backbone，進行二次迴圈，如下圖。
下圖給出了fpn與recursive-fpn的區別，並且把乙個2層的遞迴fpn展開了，非常簡單明瞭，不做過多介紹。
m2det中的sfam，比較複雜，它是先把c3與c5兩個stage的特徵融合成乙個與c3解析度相同的特徵圖（下圖中的ffm1模組），然後再在此特徵圖上疊加多個unet（下圖中的tum模組），最後將每個unet生成的多個解析度中相同解析度特徵一起融合（下圖中的sfam模組），從而生成最終的p3、p4、p5、p6特徵，以供檢測頭使用。具體如下圖。
每乙個模組的詳細細節如下圖。
使用3d卷積從fpn中提取尺度不變特徵
物體檢測中的mAP含義
1.對於某個類別 c c 在某一張上，首先計算 c role presentation style position relative c c在一張上的pr ecis ion pre cisi on precis ion 在一張圖 片上類別 c識別正 確的個數 也就是 iou 0.5 一 張 上 類...
物體檢測的一些概念（1）
1 遷移學習 遷移學習也即所謂的有監督預訓練 supervised pre training 我們通常把它稱之為遷移學習。比如你已經有一大堆標註好的人臉年齡分類的資料，訓練了乙個cnn，用於人臉的年齡識別。然後當你遇到新的專案任務是 人臉性別識別，那麼這個時候你可以利用已經訓練好的年齡識別cnn模型...
名詞解釋 物體檢測中的mAP含義
目標檢測模型中的一種效能評估指標 precision 在一張上類別c識別正確的個數 也就是iou 0.5 一張上類別c的總個數precision 在一張上類別c識別正確的個數 也就是iou 0.5 一張上類別c的總個數 ap 每張上的precision求和 含有類別c的數目ap 每張上的precis...