多尺度特征图

多尺度特征图就是 “同一张输入图，在网络不同深度得到的一组空间分辨率不同、语义级别不同的特征图”。

---

为什么需要它

• 小目标 → 需要高分辨率特征（细节多）
• 大目标 → 需要大感受野、高语义特征（上下文多）
  单尺度图只能顾一头，多尺度才能同时抓大和小。

---

怎么来的（以 CNN 为例）

1. 下采样自然产生
   224×224 → 112×112 → 56×56 → 28×28 → 14×14 → 7×7
   每步 stride=2，“金字塔”自动出现。
2. 额外加强
   • FPN：把深层的强语义上采样 → 与浅层的高分辨率相加，得到 {P2, P3, P4, P5}
   • SSD：直接拿 {38×38, 19×19, 10×10, 5×5, 3×3, 1×1} 六层特征图分别预测
   • U-Net/DeepLab：编码器下采样 → 解码器上采样跳跃连接，恢复多尺度掩码

---

长什么样（形状）

表格

复制

层级	尺寸(例)	通道	特点
C2 / P2	128×128×256	高分辨率，低语义 → 检小目标
C3 / P3	64×64×512
C4 / P4	32×32×1024
C5 / P5	16×16×2048	低分辨率，高语义 → 检大目标