引言
对于小目标通常需要用到多尺度检测，作者提出的FPN是一种快速且效果好的多尺度检测方法。
方法
a,b,c是之前的方法，其中a,c用到了多尺度检测的思想，但他们都存在明显的缺点。
a方法：把每图片都进行缩放，在进行检测，这种做法最大的问题是太慢，因为要多花好几倍的时间；
c方法：其实就是SSD论文中用到的方法，feature map一层层下采样，然后对不同scale的feature map之间进行预测，这种做法最大的缺点就是底层feature map分辨率高但是语义信息弱，分类不准；
而作者在论文中提出的新方法——FPN（特征金字塔网络），速度跟c一样快同时比c更准。
其实原理非常简单：
我们知道，底层的feature map分辨率高但是语义信息弱，顶层的feature map分辨率低但是语义信息强，因此只用将顶层的语义信息传给底层，就能让其分类更精准。
作者采用的方法，就是将上层的feature map上采样到2倍，然后跟经过1*1 conv的相邻下层feature map直接相加。
总结
FPN论文的贡献非常大，提出让不同层的feature map信息融合的思想，广为后人借鉴。比如SSD的升级版DSSD，用到的反卷积层就是同样的原理，效果也非常好。