شبکه هرم ویژگی (FPN) یک استخراج کننده ویژگی تصویر است که ویژگی ها را از لایه های مختلف یک شبکه عصبی convolutional (CNN) ترکیب می کند تا یک هرم ویژگی با سطوح مختلف انتزاع ایجاد کند. این به FPN اجازه می دهد تا اشیا را در مقیاس های مختلف بهتر تشخیص دهد.
FPN از دو مسیر تشکیل شده است: مسیر نزولی و مسیر صعودی. مسیر نزولی با تصویر ورودی شروع می شود و به تدریج اطلاعات Semantic را در نقشه های ویژگی با اعمال یک سری لایه های convolutional و pooling ظریف می کند. لایه های pooling کاهش ابعاد فضایی نقشه های ویژگی را کاهش می دهند ، اما آنها همچنین اطلاعات Semantic را حفظ می کنند.
مسیر صعودی با ویژگی های نقشه از آخرین لایه pooling شروع می شود و به تدریج ابعاد فضایی نقشه های ویژگی را با اعمال یک سری لایه های upsampling افزایش می دهد. لایه های upsampling معمولاً با استفاده از یک الگوریتم ساده nearest neighbor پیاده سازی می شوند.
ویژگی های نقشه از مسیر صعودی سپس به ویژگی های نقشه از مسیر نزولی ، عنصر به عنصر اضافه می شوند. این با استفاده از یک تکنیک به نام اتصال جانبی انجام می شود. اتصالات جانبی به اطمینان از این امر کمک می کنند که ویژگی های نقشه در همه سطوح هرم حاوی اطلاعات مربوط به اشیا در همه مقیاس ها باشد.
آخرین مرحله در FPN اعمال یک 3x3 convolutional به ویژگی های نقشه از هرم است. این به صاف کردن اثرات upsampling و ظریف تر کردن اطلاعات Semantic در نقشه های ویژگی کمک می کند.
FPN را می توان برای طیف وسیعی از وظایف ، از جمله تشخیص شیء ، segmentation Semantic و segmentation Instance استفاده کرد. نشان داده شده است که برای تشخیص شی بسیار موثر است ، به ویژه برای تشخیص اشیا در مقیاس های مختلف.
در اینجا برخی از مزایای FPN آورده شده است:
-
می تواند اشیا را در مقیاس های مختلف تشخیص دهد.
-
نسبتاً ساده برای پیاده سازی است.
-
کارآمد برای آموزش است.
-
نشان داده شده است که برای طیف وسیعی از وظایف موثر است.
در اینجا برخی از معایب FPN آورده شده است:
-
می تواند به انتخاب پارامترهای hyperparameter حساس باشد.
-
می تواند برای آموزش computationally گران باشد.
-
می تواند دشوار باشد برای تفسیر نتایج.
در کل ، FPN یک استخراج کننده ویژگی تصویر قدرتمند است که می تواند برای طیف وسیعی از وظایف استفاده شود. این یک انتخاب خوب برای برنامه هایی است که در آن مهم است که اشیا را در مقیاس های مختلف تشخیص دهید.