AFF-FPN

[lab-gpu]

作者你好，请问一下，根据论文里面的说明，构建AFF-FPN，最后通道数输出就很大啊，看图吧，以resnet18为例吧

[YimianDai]

因为语义分割的实验我就做了 二分类，所以输出的 channel 我是递减的，从 512 -> 256 -> 128 -> 64

[lab-gpu]

根据论文里面的说明，蓝线表示通道扩张，红线表示上采样，那按照您的通道递减，那红线就改为通道缩减以及上采样，蓝线就表示逐点卷积，然后再使用AFF进行特征融合，请问这样可以吗

[YimianDai]

一般论文类别数多的话都是采用比如固定一个维数（FPN 的原始做法，256 维）的，这是主流的做法，毕竟通道信息丰富，有助于分类准确。

我觉得还是要看具体的任务，我做实验的时候只做了二分类（我主要的任务是二分类），所以我试了一下发现效果差不多，就采用降采样了。代码需要选一下 fuse_order，看是按照哪种来

            if fuse_order == 'reverse':
                self.fuse12 = self._fuse_layer(fuse_mode, channels=channels[2])  # channels[2]
                self.fuse23 = self._fuse_layer(fuse_mode, channels=channels[3])  # channels[3]
                self.fuse34 = self._fuse_layer(fuse_mode, channels=channels[4])  # channels[4]
            elif fuse_order == 'normal':
            self.fuse34 = self._fuse_layer(fuse_mode, channels=channels[4])  # channels[4]
            self.fuse23 = self._fuse_layer(fuse_mode, channels=channels[4])  # channels[4]
            self.fuse12 = self._fuse_layer(fuse_mode, channels=channels[4])  # channels[4]