目标检测中的FPN模块

FPN 模块的结构很简单，主要思想是高层特征反哺低层特征，达到语义与分辨率的平衡。

当用于目标检测时，一个问题是如何与 RPN 和 detection head 结合。在原始的 fast-rcnn RPN 中（参考的是霹雳吧啦的视频）是在每个 FPN 后都加上 RPN+detection head，并且它们共享参数。

另一个问题是 RPN 生成的 proposal 最后在哪个特征图上计算，作者提供了一个公式来 navigate。比如 proposal 是 112\*112，那么会计算得到 3，也就是说在 p3 上计算。（什么是 p3 参考下面第二张图）

另一个问题是在基于 ViT 的语义分割中，怎么使用 FPN？

这部分可以参考 beit 的实现，做法是把 3, 6, 9, 12 的特征先放大成金字塔型，再送入 FPN 结构。没啥用，只是为了适应 FPN 结构，先放大又再在 FPN 里缩小。