特征金字塔参考视频
（a）图是特征图像金字塔结构，针对检测不同尺度的图像。存在一个问题，生成多少个尺度，就要进行多少个预测，这样子的效率是很低的。
（b）图是faster-RCNN中所采用的一种方式，图像利用backbone得到最终的特征图，在最终的特征图上进行预测，但是它对于小目标检测效果不是很好。
（c）图，也是将图像输入到backbone，在得到的不同特征图上分别进行预测。
（d）图，FPN结构，与图c进行对比，它不是简单地在通过backbone得到的不同特征图上进行预测，而是会将不同特征图上特征进行融合，然后再预测。有助于提高我们的检测效果。
FPN
1、如何融合特征
1×1卷积--调整不同特征图的通道数，为了进行融合，必须保证通道相同。
2x up(2倍的上采样）--将上面的特征图进行2倍的上采样（7*7--14*14），保证尺寸相同。
2、详细结构图（backbone是resnet50）
3、如何映射到原图上
Ki是上图中的Pi，根据K值判断映射到哪一个特征层上。
比如k=3，则proposal映射到P3上。
