一、背景：为什么需要 FPN？
1.1 单尺度特征的局限性
传统卷积神经网络（如 VGG、ResNet）通过堆叠卷积层逐步下采样，形成语义层次化特征：
- 浅层（如 stage2）：高分辨率、低语义（边缘、纹理）
- 深层（如 stage5）：低分辨率、高语义（物体类别、全局上下文）
但目标检测任务需同时处理不同尺度的目标（如 COCO 中的小目标 <32px，大目标 >96px）。若仅用深层特征：
- 小目标可能在下采样中完全消失；
- 定位精度差（因分辨率低）。
1.2 早期多尺度方案的不足
- 图像金字塔：对输入图像多尺度缩放 → 计算昂贵；
- 单特征图预测：无法兼顾大小目标；
- SSD 式多层预测：直接用不同层预测，但浅层缺乏语义。
1.3 FPN 的突破（Lin et al., CVPR 2017）
提出 自上而下 + 横向连接 的金字塔结构：
- 所有层级输出具有高语义密度；
- 实现单一网络、一次前向、多尺度强特征。
二、FPN 的标准结构回顾
FPN 包含三部分：
<
