包含 yolov5-AFPN.yaml 和yolov7-AFPN.yaml
论文地址：https://arxiv.org/pdf/2306.15988.pdf
代码地址：https://github.com/gyyang23/AFPN
多尺度特征在目标检测任务中对于编码具有尺度变化的对象非常重要。一种常见的多尺度特征提取策略是采用经典的自顶向下和自底向上的特征金字塔网络。然而，这些方法存在特征信息的丢失或退化问题，影响了非相邻级别之间的特征融合效果。本文提出了一种渐进特征金字塔网络（AFPN），以支持非相邻级别的直接交互。AFPN通过融合两个相邻的低级特征，并渐进地将高级特征纳入融合过程中。这样可以避免非相邻级别之间较大的语义差距。考虑到在每个空间位置进行特征融合时可能出现多对象信息冲突的情况，进一步采用自适应空间融合操作来减轻这些不一致性。我们将提出的AFPN结合到两阶段和一阶段的目标检测框架中，并在MS-COCO 2017的验证集和测试集上进行评估。实验结果表明，我们的方法比其他最先进的特征金字塔网络取得了更具竞争力的结果。
