特征金字塔网络（FPN）：多尺度视觉任务中的特征融合架构与范式革新(二)

自上而下路径是实现语义信息传递的关键，其核心是将深层高语义特征图通过上采样（通常为 2 倍插值）提升至与浅层特征图相同的分辨率，使深层语义能够 “渗透” 到浅层。例如，C5（25×25）首先经过 1×1 卷积调整通道数（如从 2048 通道降至 256 通道，降低计算量并统一后续融合的通道维度），再通过 2 倍上采样生成与 C4（50×50）分辨率一致的特征图 P5'；接着，P5' 与经过同样通道调整的 C4 特征图进行融合，生成新的特征图 P4；随后，P4 再经过上采样与通道调整后的 C3 融合生成 P3，以此类推，最终生成一组分辨率从 25×25 到 200×200（对应 P5 至 P3）的融合特征图，构成完整的特征金字塔。这一路径的创新在于打破了传统特征提取中 “层级割裂” 的局限，使浅层特征图在保留细节的同时，获得了深层特征的语义支持，从而具备区分小目标类别的能力。

横向连接（Lateral Connection）是确保特征融合有效性的核心设计，其作用是 “对齐” 深层上采样特征与浅层原始特征的维度与信息分布，避免融合过程中细节信息被语义信息掩盖。在 FPN 中，横向连接并非简单的特征叠加，而是先对浅层原始特征图（如 C4）进行 1×1 卷积操作，将其通道数调整为与上采样后的深层特征图（如 P5'）一致（如均为 256 通道），消除通道维度差异导致的融合偏差；同时，1×1 卷积还能对浅层特征进行 “语义增强”，过滤冗余细节信息，使浅层特征与深层特征的语义分布更匹配。调整后的浅层特征与上采样深层特征通过元素相加（Element-wise Addition）进行融合，这种融合方式既能保留浅层特征中对小目标定位至关重要的细节（如边缘坐标），又能注入深层特征中对类别判断关键的语义（如 “是否为行人” 的特征），最终生成的融合特征图（如 P4）实现了 “细节精准 + 语义明确” 的双重优势。

FPN 的技术优势在多尺度视觉任务中表现得尤为突出，其核心竞争力体现在 “特征利用率”“多尺度适配性” 与 “泛化能力” 三个维度。在特征利用率方面，FPN 通过多路径融合，充分利用了基础网络不同层级的特征信息 —— 传统方法通常仅使用深层特征（如 Faster R-CNN 用 C5）或浅层特征（如早期 SSD 用 C3-C7 但不融合），导致部分信息浪费；而 FPN 将 C2 至 C5 的特征全部纳入融合，使每一层特征都能为特定尺度目标的感知贡献价值，特征利用率提升 30% 以上。在多尺度适配性方面，FPN 生成的特征金字塔天然适配不同尺度目标的检测需求：金字塔顶层（P5，25×25）感受野大，适合检测大目标（如 > 200 像素的车辆）；中层（P4，50×50）适合中等目标（80-200 像素的行人）；底层（P3，100×100）适合小目标（<80 像素的交通标志），这种 “分层适配” 策略使小目标检测精度较传统方法提升 20%-40%，解决了长期困扰多尺度检测的 “小目标漏检” 难题。