参考:
https://blog.csdn.net/u012426298/article/details/81516213
可以用下面这个图来解释，FPN不是一个完整的目标检测网络，只是一个特征金字塔网络，提到的FPN实际是特征金字塔提取特征，因此Faster RCNN加上FPN的思想，本质上就是改了特征提取部分，因为特征层变多了，因此ROIpooling也增加了。
FPN的motivation：
低层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做预测，而本文不一样的地方在于预测是在不同特征层独立进行的。
这个图是它与其他特征融合的不同之处，即不同特征层独立预测（predict）。
实现细节：
这个1x1的卷积其实挺关键的，进行通道数变换。