0. 写在前面
        本篇介绍SPP模块、FPN模块模块，主要也是对YOLOv5的内容的补充：

Yolo系列算法-理论部分-YOLOv4-CSDN博客

Yolo系列算法-理论部分-YOLOv5-CSDN博客

        上一篇：

    YOLOv5-小知识记录(三)-CSDN博客

1. PANet（Path Aggregation Network）

        一个用于实例分割的路径聚合网络，充分融合了特征的网络：(a)FPN、(b)Bottom-up Path Augmentation、(c)Adaptive Feature Pooling、(d)Box Branch和(e)Fully-ConnectedFusion。

        

        (a)FPN，见上一篇YOLOv5-小知识记录(三)-CSDN博客；

        (b)Bottom-Up Path Augmentation：考虑到网络的浅层特征对于实例分割非常重要，FPN虽然只融合了浅层的特征，但是仍不能达到很好的分割效果，因此引入这个模块，以保留更多的浅层特征。将N2（N2和P2是同一个特征图，因此N2已经包含大量低层特征）进行下采样，下采样之后的特征图与P3进行融合，得到N3，因此N3包含的低层特征要比P3多，以此类推。

        (c)（暂时没有用到）Adaptive Feature Pooling:用每一个ROI提取不同层的特征来融合；

        (d,e)（暂时没有用到）Fully-ConnectedFusion:针对原有的支路FCN，引入一个前背景二分类全连接支路，通过融合这两条支路的输出得到更加精确的结果。