在目标检测、图像分割、关键点检测等CV任务中FPN特征金字塔网络是当之无愧的经典基石模块几乎所有主流模型YOLO、Mask R-CNN、RetinaNet都能看到它的身影。一、核心代码def forward_fpn(self, c3, c4, c5): # 1. 横向卷积统一通道、提纯主干特征 l3 self.lateral_c3(c3) l4 self.lateral_c4(c4) l5 self.lateral_c5(c5) # 2. 自顶向下特征融合平滑 p5 self.smooth_p5(l5) p5_up F.interpolate(p5, scale_factor2, modebilinear, align_cornersFalse) p4 self.smooth_p4(l4 p5_up) p4_up F.interpolate(p4, scale_factor2, modebilinear, align_cornersFalse) p3 self.smooth_p3(l3 p4_up) # 返回三层多尺度特征金字塔 return p3, p4, p5二、前置基础C3/C4/C5主干网络Backbone输出的三级特征图对应不同尺度、不同特征能力也是FPN的输入原料C3浅层特征分辨率高、细节纹理丰富擅长识别小目标但语义信息弱分不清物体类别C4中层特征兼顾细节与语义适配中等尺寸目标C5深层特征经过多次下采样分辨率最低、细节丢失多但语义信息极强擅长识别大目标、判断物体类别核心痛点单独用C3/C4/C5任意一层特征都无法同时识别大、中、小目标。FPN的作用就是取长补短融合三层特征的优势。三、FPN整体结构图解这段代码完整复刻了FPN的三大核心结构横向连接 自顶向下上采样 特征融合平滑。下面是精准对应代码、带尺寸倍率的完整FPN结构流程图完美匹配代码执行逻辑c5 (1/32 最大感受野、强语义) → lateral_c5 → l5 → smooth_p5 → p5 (1/32) ↓ upsample ×2 (bilinear) ↓ c4 (1/16 中等尺度) → lateral_c4 → l4 p5_up → smooth_p4 → p4 (1/16) ↓ upsample ×2 (bilinear) ↓ c3 (1/8 高分辨率、富细节) → lateral_c3 → l3 p4_up → smooth_p3 → p3 (1/8)倍率说明1/8、1/16、1/32 代表特征图相对于原图的下采样倍数数值越小、分辨率越高对应目标检测的小、中、大目标检测分支。四、逐行代码通俗拆解1. 横向连接l3、l4、l5 特征预处理l3 self.lateral_c3(c3) l4 self.lateral_c4(c4) l5 self.lateral_c5(c5)作用统一特征通道、提纯有效特征。主干网络输出的C3/C4/C5通道数各不相同比如ResNet中C3512、C52048无法直接相加融合。这里的lateral_c3/c4/c5都是1×1卷积层核心功能统一三层特征的通道数比如全部统一为256通道压缩冗余特征保留核心信息为后续融合做准备2. 顶层特征初始化生成P5p5 self.smooth_p5(l5)C5是主干最深层特征语义信息最丰富不需要融合上层特征本身就是顶层。smooth_p5是3×3卷积层作用是平滑去噪、优化融合后特征消除上采样带来的锯齿、伪影让特征更规整这是FPN的细节优化精髓。3. 第一次上采样融合生成P4p5_up F.interpolate(p5, scale_factor2, modebilinear, align_cornersFalse) p4 self.smooth_p4(l4 p5_up)这是FPN自顶向下融合的核心步骤上采样将顶层强语义特征P5通过双线性插值放大2倍分辨率和L4保持一致特征相加L4中层细节特征 P5_up高层语义特征实现细节语义双向融合平滑卷积smooth_p4优化融合后的特征提升特征鲁棒性4. 第二次上采样融合生成P3p4_up F.interpolate(p4, scale_factor2, modebilinear, align_cornersFalse) p3 self.smooth_p3(l3 p4_up)逻辑和P4完全一致层层传递融合将已经融合好的P4特征再次放大2倍和浅层L3细节特征相加让最细分辨率的P3特征也具备深层语义信息彻底解决浅层特征“看得清、认不出”的问题。5. 输出三级特征金字塔return p3, p4, p5最终输出的P3、P4、P5和原始C3/C4/C5一一对应但性能全面升级P3高分辨率丰富细节语义信息 → 适配小目标检测P4细节与语义均衡 → 适配中等目标检测P5强语义全局特征 → 适配大目标检测五、关键参数详解1. bilinear 双线性插值FPN默认的上采样方式相比于最近邻插值它放大特征图时不会产生锯齿特征过渡更平滑精度更高是CV任务的最优选择。2. scale_factor2每次上采样放大2倍严格匹配主干网络下采样倍率保证特征图尺寸完全对齐才能精准相加融合。3. align_cornersFalsePyTorch官方推荐配置避免坐标偏移问题保证上采样后的特征像素位置精准融合特征不错位。