特徵金字塔網路 是什麼？

Feature Pyramid Network — 特徵金字塔網路 的完整解釋

特徵金字塔網路(FPN)是一種用於目標檢測的深度學習架構，旨在從不同尺度的特徵圖中提取豐富的語義信息，以提升小目標的檢測性能。

容易混淆

特徵金字塔網路 vs 單一尺度特徵圖 單一尺度只看一層特徵，處理大物件通常比較順。 FPN 會把不同層級的資訊融合，對小物件更友善。

特徵金字塔網路 vs 物件偵測 物件偵測是任務。 FPN 是幫物件偵測變強的一種架構設計。

記住這句就好

大小都要看見，FPN 就是在補這個缺口。

實際案例

交通攝影 遠處的小車牌和近處的大巴士在同一張圖裡，FPN 能讓模型同時照顧不同尺度。

醫療影像 病灶有時很小又不明顯，多尺度特徵能提高找到微小異常的機會。

算法與應用

它會做自上而下的語義傳遞，再搭配橫向連接，把高層語義和低層細節融合起來。 這種設計常被放進物件偵測框架中，用來提升多尺度目標的表現。

情境判斷

Q1：如果你要偵測停車場裡從遠到近的各種車輛，FPN 有幫助嗎？ → 有，因為物件大小差異大，FPN 可以讓模型同時處理不同尺度。

Q2：如果場景裡所有目標大小都差不多，FPN 就完全沒價值嗎？ → 不一定，還是可能幫助特徵整合，但它的最大優勢通常在尺度差異明顯的場景。

常見問題

FPN 一定要搭配物件偵測嗎？

主要是，但任何需要多尺度表徵的任務都可能受益。

FPN 跟金字塔池化是一樣嗎？

不一樣，兩者都處理多尺度，但融合方式不同。

橫向連接在做什麼？

它把高層語義和低層細節接起來，讓每一層都更完整。

FPN 會不會讓模型變重？

會增加一些計算，但通常換來更好的多尺度偵測效果。