0. 写在前面

        本篇介绍SPP模块、FPN模块模块，主要也是对YOLOv5的内容的补充：

Yolo系列算法-理论部分-YOLOv4-CSDN博客

Yolo系列算法-理论部分-YOLOv5-CSDN博客

        上一篇：

        YOLOv5-小知识记录(二)-CSDN博客

1. SPP模块

        Spatial Pyramid Pooling，设计该模块的目的是，确保输入全连接层之间的特征向量feature vector是固定尺寸。feature vector 是feature maps的展开，常规的做法是对输入的数据进行剪裁和变形操作，这两种操作可能引发裁剪区域没包含物体的全部或者目标无用，是真严重等问题；而SPP则是将不同feature maps展开为固定尺寸的feature vector。

        工作原理：对每个特征图，使用三种不同尺寸的池化核进行最大池化，分别得到预设的特征尺寸，最后将所有特征图展开为特征向量并融合。

        以经过了5次卷积模块运算后的Tensor[1,256,10,10]，运用SPP原理倒推最大池化层信息。

        步骤：

1.  明确全连接层的输入参数尺寸：107521 = 21*256 = 16*256+4*256+1*256；
2.  明确三种池化后的特征图尺寸，4*4,2*2,1*1；
3.  求出三种的kernel、stride和padding：
   1. 4*4对应的kernel = 10/4 = 3；stride = 10/3 = 3；padding = [(3*4-10+1)/2] = 1;
   2. 2*2对应的kernel = 10/2 = 5 ； stride =  10/2 = 5;padding = [(5*2 -10 +1)/2] = 0；
   3. 1*1对应的kernel = 10/1 = 10; stride = 10/1 = 10;padding = [(10*1 - 10 +1)/2] =0。

        优点：可以忽略输入尺寸并产生固定长度的输出；利用不同池化核尺寸提取特征的方式可以获得丰富的特征信息，有利于提高网络的识别精度。

2. FPN模块

        Feature pyramid network，在目标检测中加入特征金字塔，提高目标检测的准确率，尤其是在小物体的检测上。

        特征金字塔的高（深）层特征包含丰富的语义信息（利于分类），但分辨率低，很难准确地保存物体的位置信息；低（浅）层特征虽然语义信息较少，但分辨率高，包含准确地物体位置信息（有利于检测和分割）。

        FPN将低层特征和高层特征融合起来，得到一个识别和定位都准确地目标检测结构。

        主要包括：Bottom-up、Top-down和Lateral connection。

        （1）Bottom-up：就是将图片输入到backbone中提取特征的过程；

        （2）Top-down：就是将高层得到的feature map进行上采样然后往下传递，将深层包含语义信息传到低层特征上，使低层特征也能包含丰富语义信息；

        （3）Lateral connection:是一个特征融合过程，P1是C1经过1*1卷积后的特征与P2上采样后的特征进行融合（add方式，直接相加，不增加维度）。