简述：近年来基于rpn的目标检测算法取得了很好的效果，但是对于小目标的检测效果还是不够理想，很大原因是rpn所依赖的特征图相较于原图变得很小，这可以通过更精细的特征图来缓解。注意到浅层的feature map往往比较精细，但是由于感受野较小，语义信息较弱，深层feature map比较粗糙，但是语义信息强。本文的做法是将浅层feature map下采样maxpooling，将深层feature map上采样deconv，再加上中层的feature map将三个层次的feature map叠加在一起，同时做LRN。