特征金字塔网络 FPN 的原理与作用
哪些公司问过
答案要点
- FPN 即特征金字塔网络,用于多尺度目标检测,尤其提升小目标效果
- 结构:自底向上骨干、自顶向下上采样、1×1 横向连接相加、3×3 卷积平滑
- 输出 P2–P5 等多尺度特征图,每层兼具强语义与较高分辨率
- 在 Faster R-CNN 中按层分配 anchor 尺度,RoI 按尺寸映射到对应层级
- 相比图像金字塔开销小,相比 SSD 式多层预测语义更强;后续有 PANet、BiFPN 等改进
易错点
- 把 FPN 当成图像金字塔,实际是在单张图像的特征层上构建金字塔
- 把横向连接说成拼接,原始 FPN 是逐元素相加
- 误以为只用最高层特征预测所有尺度目标
面试官常见追问
- FPN 和 PANet、BiFPN 有什么区别?
- 为什么横向连接要用 1×1 卷积?上采样用什么?
- RoI 怎么分配到 FPN 的层级?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。