Feature Pyramid Network (FPN)

探索特征金字塔网络 (FPN) 如何增强多尺度目标检测。了解 Ultralytics YOLO26 如何使用先进的 FPN 检测大小物体。

特征金字塔网络（FPN）是现代 computer vision (CV) 系统中使用的专用架构组件，用于改进对各种尺度物体的检测。它有效地解决了图像分析中长期存在的挑战：在同一图像中识别出庞大显眼的结构以及微小遥远的细节。通过生成输入的的多尺度表示（概念上类似于金字塔），FPN 允许神经网络在每个分辨率级别提取丰富的语义信息。该架构通常位于提取原始特征的 backbone 与预测物体类别和边界框的 detection head 之间。

特征金字塔网络的工作原理#

FPN 的核心创新在于它处理信息的方式。传统的 Convolutional Neural Networks (CNNs) 自然会创建特征层级，其中输入图像会被逐步下采样。虽然这加深了语义理解（了解图像中是什么），但它往往会降低空间分辨率（了解它确切在哪里），从而使小物体消失。

FPN 通过一个三步流程解决了这个问题：

自底向上路径：这是网络的标准前馈传递，例如 Residual Network (ResNet)。随着网络处理图像，它会创建大小减小但语义价值增加的 feature maps。
自顶向下路径 (Top-Down Pathway)：网络通过对来自深层的语义丰富的特征进行上采样来构建高分辨率金字塔。这一步将强上下文信息“幻象”回更大的空间特征图中。
横向连接 (Lateral Connections)：为了恢复下采样过程中丢失的清晰细节，FPN 通过横向连接将上采样特征与来自自底向上路径的原始高分辨率特征图进行融合。

这种组合产生了一个金字塔，其中每个级别都具有强大的语义和良好的定位，从而显着提高了所有物体尺寸的 precision 和 recall。

在物体检测架构中的重要性#

FPN 是现代 object detection architectures 的基石。在它们引入之前，模型必须在速度（仅使用最后一层）和准确性（处理非常慢的图像金字塔）之间做出选择。FPN 提供了一种兼顾两者的解决方案，能够在不牺牲小物体检测能力的情况下实现 real-time inference。

这种效率对于像 YOLO26 这样先进的模型至关重要，该模型利用受 FPN 原理启发（如 PANet）的复杂聚合网络来实现最先进的性能。该架构确保无论模型是部署在边缘设备上还是通过 Ultralytics Platform 部署在强大的服务器上，它都能在各种数据集上保持高准确性。

实际应用#

FPN 的多尺度能力使其在安全和精度至关重要的行业中不可或缺。

AI in Automotive：自动驾驶汽车必须同时跟踪附近的大型卡车以及远处的交通信号灯或行人。FPN 允许感知堆栈在单次传递中处理这些不同的尺度，从而确保及时的决策。诸如 nuScenes 之类的数据集通常用于对这些能力进行基准测试。
Medical Image Analysis：在诊断成像中，检测病理需要发现大小差异巨大的异常。配备 FPN 的模型可以识别 MRI scans 中的大型器官结构和微小的早期肿瘤，从而帮助放射科医生做出准确的诊断。
AI in Agriculture：精确农业依赖于从无人机图像中检测农作物和害虫。由于无人机的高度可能会变化，图像中植物的大小也会改变。FPN 帮助模型具有良好的泛化能力，无论相机高度如何，都能准确执行 object counting。

FPN 与其他特征聚合器的比较#

区分标准 FPN 与其在较新架构中演进出的变体是有帮助的。

FPN 对比 PANet：虽然 FPN 添加了自顶向下的路径来丰富特征，但 Path Aggregation Network (PANet) 在 FPN 的顶部添加了一条额外的自底向上路径。这缩短了低级特征的信息路径，进一步改善了定位，这是 YOLO 模型中经常采用的技术。
FPN 对比 BiFPN：在 EfficientDet 中发现的 Bi-directional Feature Pyramid Network (BiFPN) 为不同的特征引入了可学习的权重，并删除了只有一个输入的节点，从而优化了网络的效率。

实践示例#

像 ultralytics 这样高级的库在内部处理 FPN 构造的复杂性。当你加载像 YOLO26 这样的模型时，该架构会自动包含这些特征聚合层以最大化性能。

from ultralytics import YOLO

# Load the YOLO26 model, which uses advanced feature pyramid principles internally
# The 'n' suffix indicates the nano version, optimized for speed
model = YOLO("yolo26n.pt")

# Perform inference on an image containing objects of various sizes
# The model's neck (FPN-based) aggregates features to detect small and large items
results = model("https://ultralytics.com/images/bus.jpg")

# Display results to see bounding boxes around buses (large) and people (small)
results[0].show()