Feature Pyramid Networks for Object Detection 采用 RPN 技术创建检测器，并使用滑动窗口技术进行分类。 5.2节怎么会有“非滑窗”的说法？
论文中的扩展声明： 5.2。使用 Fast/Faster R-CNN 进行对象检测 接下来我们研究基于区域（非滑动窗口）检测器的 FPN。
据我了解，FPN 在检测任务中使用滑动窗口。这在中也提到 https://medium.com/@jonathan_hui/understanding-feature-pyramid-networks-for-object-detection-fpn-45b227b9106c声明是
“FPN 提取特征图，然后馈入检测器，RPN 说，用于对象检测。RPN 在特征图上应用一个滑动窗口来预测对象性（是否有对象）和对象边界框每个位置。”
先谢谢你了。
【问题讨论】：
标签： deep-learning computer-vision pytorch retinanet
用于对象检测的特征金字塔网络 (FPN) 不是 RPN。
FPN 只是一种更好的特征提取方式。它将来自多个阶段的特征结合在一起，为对象检测管道的其余部分提供了更好的特征（特别是因为它结合了第一阶段的特征，为检测中小型对象提供了更好的特征）。
正如原始论文所述：“我们的目标是利用 ConvNet 的金字塔特征 层次结构，具有从低到高层次的语义，以及 在整个过程中构建具有高级语义的特征金字塔。由此产生的特征金字塔网络是通用目的，在本文中，我们关注滑动窗口提议者（Region Proposal Network，简称 RPN）[29]和 基于区域的检测器（Fast R-CNN）"
所以他们用它来检查“两阶段”对象检测管道。第一阶段是 RPN，这是他们在第 5.1 节中检查的内容，然后他们在第 5.2 节中检查分类阶段。
Fast R-CNN Faster R-CNN 等是基于区域的对象检测器，而不是滑动窗口检测器。他们从 RPN 获得一组固定的区域进行分类，仅此而已。
关于您可以在https://medium.com/@jonathan_hui/what-do-we-learn-from-region-based-object-detectors-faster-r-cnn-r-fcn-fpn-7e354377a7c9 看到的差异的一个很好的解释。
【讨论】：