FPN及其feature map特征融合（CVPR2016：Feature Pyramid Networks for Object Detection）

本文主要是介绍FPN及其feature map特征融合（CVPR2016：Feature Pyramid Networks for Object Detection），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 feature map的计算

以feature map的大小区分conv1 conv2 … 在conv1或conv2中feature map的大小是不变的，从conv1到conv2的某种操作feature map大小才会改变。
以VGG16为例，padding=0的池化操作改变feature map大小。
实际上在卷积或池化后：
feature map size = output size
n filters = n channels = n feature map（n=64,128,256,512,1024…）

一个input image：WxH=224x224的RGB,c=3或k=3的三通道图像，经过Conv1_1feature map的大小为224x224,通道的改变即为卷积核的个数变化。

c：图像通道数 w：图像宽度 h：图像高度

这篇关于FPN及其feature map特征融合（CVPR2016：Feature Pyramid Networks for Object Detection）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---