不全，待補充

主要框架：

分析解釋這個框圖：

M2Det主要是有三部分組成，主干網絡、MLFPN(muli-level 的FPN、以及預測層。

其中主干網絡是用兩個尺度進行特征提取。將這兩個尺度的特征合并輸入到MLFPN中

MLFPN則由三部分組成，FFM、TUM、SFAM。

FFM

FFMv1是對主干網中提取出來的內容進行合并，得到base feature。

FFMv2是用來整合TUM中最后一層的特征和basefeature整合在一塊送入下一個TUM中。

在base feature的基礎上做TUM，這里解釋啥是TUM？

TUM

編碼器是一系列的步長為2，卷積核為3*3的Conv，解碼器將這些output作為生成feature map的參考。在解碼器分支上采樣和element-wise后，添加1x1卷積層，以增強學習能力，并保持特征的平滑性

每個TUM結構中的所有輸出都形成當前level的多尺度特性。從整體上看，堆疊的TUMs輸出形成多層次的多尺度特征，而前面的TUM主要提供淺層特征，中間的TUM提供中層特征，后面的TUM提供深層特征。

看M2Det的圖，感覺TUM是把feature map變小了之后又變大了，但是論文里面的解釋我只看到：把feature map進行多次卷積然后得到了多個scale 的feature map，沒看出來有放大的過程。不明白是怎么回事……

SFAM

把在TUM中得到的多種特征按照不同的scale進行contact，得到尺度豐富的feature map，完了你就可以去做分類和檢測了。

但細節上是把SFAM分成兩部分了，第一部分是把相同的尺度進行連接。第二部分做了智能處理，用channel-wise模塊，鼓勵特性將注意力集中較為重要的通道上。使用SENet模型。

?

總結

以上是生活随笔為你收集整理的M2Det的学习过程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。