about paper

[foralliance]

1节“Feature learning部分”指出： 现有的FPN方法just aggregates hierarchical feature maps between high and low-level output layers, which does not consider the current layers information, and the context relationship between anchors is ignored。 2节“Feature Learning部分”指出： 现有的各种方法do not consider the current layers information.

结合Fig3和code，本文提出的FEM模块其实就是：FPN + 额外的dilation conv处理。有几个问题：

1. 都是FPN，为什么说以前的方法没有考虑当前层的信息，FPN特征融合怎么会不考虑当前层呢？
2. anchors之间的context relationship如何理解？3组额外的dilation conv操作为什么就能解决anchors之间的context问题？

不知道您是如何理解的？麻烦了！！

[huazai-1994]

我也有这些疑问，同求答疑

[ChauncyFr]

1节“Feature learning部分”指出： 现有的FPN方法just aggregates hierarchical feature maps between high and low-level output layers, which does not consider the current layers information, and the context relationship between anchors is ignored。 2节“Feature Learning部分”指出： 现有的各种方法do not consider the current layers information.

结合Fig3和code，本文提出的FEM模块其实就是：FPN + 额外的dilation conv处理。有几个问题：

1. 都是FPN，为什么说以前的方法没有考虑当前层的信息，FPN特征融合怎么会不考虑当前层呢？
2. anchors之间的context relationship如何理解？3组额外的dilation conv操作为什么就能解决anchors之间的context问题？

不知道您是如何理解的？麻烦了！！

FPN是直接与前面的层相加，他这个模块不是分为两个部分吗，第一个部分用的原特征图（也就是他说的考虑了当前层信息），第二个部分才是相加（相当于FPN吧）。我是这样理解的，不知道对不对？