類似影象金字塔，在**筆記中記錄的一樣，模擬人的視覺，從遠到近觀察物體：
頂部-低解析度 檢測到的是尺寸更大的物體
底部-高解析度 檢測到的是尺寸更小的物體
橙色框代表，一般由resize/下取樣操作產生；藍色框代表特徵圖，通過卷積產生，越粗的框代表語義越深。( a ) 多維度輸入，多維度特徵圖**：影象金字塔，不同尺寸的圖輸入到網路，底層解析度高，可以檢測細節，高層解析度低，可以檢測輪廓
( b ) 單維度輸入，單維度特徵圖**：拿單層(這裡是最後一層)的特徵圖進行**，fast/er r-cnn r-cnn，yolo v1v2都是這種
( c ) 單維度輸入，多維度特徵圖**：和b相比除了拿最後一層外，還會從後往前多拿幾層**，ssd使用這種方式(但是ssd使用低層的feature去檢測小目標，而低階特徵卷積層數少，存在特徵提取不充分的問題。)
( d )單維度輸入，多維度特徵圖**：和c相比可以看到，本層會連線高層的語義，這樣做的目的是使每一層不同尺度的特徵圖都具有較強的語義資訊mask rcnn、yolo v3使用了這種方式
— 來自**筆記補充
左邊就是熟悉的卷積-池化過程，通過卷積池化尺寸變小，維度變高，語義變深這一過程稱為自底向上(bottom-up)網路
右邊就是fpn的核心思想，是乙個從高層語義向底層語義相加的過程，通過最近鄰插值，尺寸變大，維度不變，固定通道數了，語義應該也是變淺的過程，但是可以保持高層語義，(換句話說就是fpn可以傳遞深層語義到高解析度上)，這一過程稱為自頂向下(top-down)網路。
既然要相加，就得保持尺寸和維度一樣
上面提到自頂向下過程中維度不變，怎麼保持維度不變？
側連線那邊先經過1 x 1卷積，改變特徵圖的通道數(文章中設定d=256，與faster r-cnn中rpn層的維數相同便於分類與回歸)，所以維度始終是給定的d上面提到自頂向下過程中尺寸變大，怎麼儲存相加時尺寸一樣？
高層到到底層用的是最近鄰插值法，而對應的側連線尺寸對應也變大最近鄰插值法：
自底向上(左)和自頂向下(右)
**筆記：feature pyramid networks for object detection(fpn)
fpn詳解
溫故知新 Angular 的 filter
angular 中的filtre個人理解，就是這麼個東西，如字面意思，過濾器，是將乙個變數過濾 處理 一下，返回處理後的變數，如 filtername是過濾器的名字，people是其要處理的變數，para是可選的引數。其實，filtername是乙個函式，其返回值也是乙個函式，people和para...
溫故知新的錯題訓練 Coin game
傳送門 輸贏規則 無法再放下硬幣的人就輸。博弈論的基本假定 他倆都按照最優策略進行遊戲。有先手後手之分，此之為動態博弈 dynamic game.均衡 所有局中人都選擇的最優戰略或行動的組合。人的經濟行為的根本動機是自利，alice 先手將硬幣放在桌子中間，之後 bob 每放乙個硬幣，alice 在...
溫故知新（六八）微任務和巨集任務的區別
微任務和巨集任務的區別 答案 微任務和巨集任務是非同步任務的兩個分類。巨集任務 當前呼叫棧中執行的 成為巨集任務。主 塊，定時器等 巨集任務中的事件放在 callback queue 中，由事件觸發執行緒維護 微任務的事件放在微任務佇列中，由 js 引擎執行緒維護。在掛起任務時，js 引擎會將所有任...