论文名称：Feature Pyramid Networks for Object Detection
这是一篇CVPR2017的文章，提出一种新型的特征金字塔网络，作者是何开明等人
首先，文章介绍了特征金字塔，特征金字塔是图像识别领域的一个基础元素，何为特征金字塔？如下图所示：
上图就是一个传统的图像金字塔，针对一个输入图像，resize成多个scale，针对每个scale，都输入网络训练，预测，这样，网络能够针对不同的scale的图像进行预测，但是问题很明显，也很严重，就是计算开销太大
于是，作者要探索一种新型的特征金字塔来解决这个问题
关于特征金字塔，作者举例了传统的3类和自己提出的金字塔，如下图所示
其中，图a已经在上面介绍，图b就是只用一个单一scale的图像进行训练，预测，抛弃了multi-scale特征，对于图c而言，与图b类似，但是在网络进行卷积过程中，图像的size在不断变小，在特定阶段进行预测。图d就是作者提出的模型，
虽然图c中的模型可以解决相关的问题，但是抛弃了高纬度的特征，例如，在图像的细节预测上，一些微小的物体只有在高层次的卷积层才可以识别，在低维的卷积层是无法识别的，那么对图c的模型而言，很显然，在低层次的预测结果是很差的，因为此时没有考虑高维的图像特征，但是图d的模型解决了这个问题，将高维特征进行逐步下采样，与相应卷积层的特征图相加即可。既能结合高维的特征，又能在较小的计算开销下产生multi-scale的输出。
有些模型与作者提出的模型类似，如下图所示
上图中有两个模型，分别称为top和bottom，其中，bottom是作者提出的模型，相对于作者提出的模型而言，top模型只在最后进行预测，但是bottom模型能够产生所有level的输出。
那么具体要怎么做呢？如下图所示
如上图所示，训练分两个过程，左边是bottom-to-up,右边是up-to-bottom
首先是bottom-to-up，逐步卷积，完成卷积后，就是up-to-bottom
具体的操作，我做了一个图，如下图所示
首先，输入经过layer1,layer2,layer3的3个卷积层，随后，开始预测输出
layer3的输出用1X1的卷积核反卷积，即为top-layer1的输出；
top-layer1的输出用3X3的卷积核反卷积，实现2X上采样，同时layer2的输出进行通道压缩，用1X1的卷积核压缩为1通道后反卷积（此时的反卷积不需要上采样），将layer2操作的结果与top-layer1操作的结果相加，即为top-layer2的输出；
同理，top-layer2的输出进行2X上采样，将layer1的输出通道合并，反卷积，与之相加，即为top-layer3的输出
至此，该篇论文结束
其实，此类型的金字塔在其他文章中已经存在，
举个例子，CVPR2017中，有一篇名为SRN: Side-output Residual Network for Object Symmetry Detection in the Wild ----CVPR 2017的论文，其中就是逐步下采样。
可以看下SRN论文中的一张图，
这个deep-to-shallow与shallow-to-deep就类似于该篇论文中的bottom-to-up与up-tp-bottom
本人有一篇关于SRN的解读博客，
博客地址：http://blog.csdn.net/wangkun1340378/article/details/77737329