[AI] FPN

*FPN(Feature Pyramid Network)

- Top-down 방식으로 특징을 추출

- 각 추출된 결과들인 low-resolution 및 high-resolution 들을 묶는 방식

- 각 레벨에서 독립적으로 특징을 추출하여 객체를 탐지

- 상위 레벨의 이미 계산된 특징을 재사용하므로 멀티 스케일 특징들을 효율적으로 사용할 수 있음

- CNN 자체가 레이어를 거치면서 피라미드 구조를 만들고 forward를 거치면서 더 많은 의미(semantic)를 가짐

- 각 레이어마다 예측 과정을 넣어서 scale 변화에 더 강한 모델이 된다.

- skip connection, top-down, cnn forward 에서 생성되는 피라미드 구조를 합친 형태

- forward에서 추출된 의미 정보들을 top-down 과정에서 업샘플링하여 해상도를 올림

- forward에서 손실된 지역적인 정보들을 skip-connection으로 보충해서 스케일 변화에 강인하게 됨

- FPN모델은 ConvNet의 피라미드 계층 구조를 활용

- 피라미드 특징 계층 구조는 낮은 수준에서 높은 수준까지의 의미를 모두 갖고 있음

- 전체적으로 높은 수준의 의미 정보들을 갖춘 피라미드를 생성

- 이 FPN 모델은 Region Proposal Network(RPN)와 Fast R-CNN을 기반으로 함

- FPN모델은 입력으로 임의의 크기의 단일 스케일 영상을 다룸

- 전체적으로 Convolutional 방식으로 비례된 크기의 특징 맵을 다중 레벨로 출력

- 이 프로세스는 Backbone Convolutional Architecture와는 독립적, ResNet을 사용하여 결과를 보여줌

 

*Bottom-up pathway

 

*Top-down pathway and lateral connections