共计 2276 个字符，预计需要花费 6 分钟才能阅读完成。

特征提取的两种路径

在计算机视觉领域，特征提取方法主要分为 top-down 和 bottom-up 两种范式。传统 top-down 方法（如 Faster R-CNN）从高层语义特征开始，逐步向下传递信息，这种方式在物体检测等任务中表现出色。但当面对细粒度分类、小目标检测等场景时，其局限性逐渐显现：

• 高层特征会丢失细节信息（如纹理、边缘）
• 特征金字塔各层级间存在语义鸿沟
• 对小目标敏感度不足

图：top-down(左)与 bottom-up(右)特征金字塔结构对比

方法论对比

PyTorch 实战实现

以下是基于 ResNet-50 的 bottom-up 特征金字塔实现关键代码：

import torch
import torch.nn as nn
from torchvision.models import resnet50

class BottomUpFPN(nn.Module):
    def __init__(self, out_channels=256):
        super().__init__()
        backbone = resnet50(pretrained=True)

        # 获取 ResNet 的阶段输出
        self.stage1 = nn.Sequential(
            backbone.conv1, backbone.bn1, backbone.relu,
            backbone.maxpool, backbone.layer1)
        self.stage2 = backbone.layer2
        self.stage3 = backbone.layer3
        self.stage4 = backbone.layer4

        # 1x1 卷积用于通道压缩
        self.lateral_convs = nn.ModuleList([nn.Conv2d(256, out_channels, 1),
            nn.Conv2d(512, out_channels, 1),
            nn.Conv2d(1024, out_channels, 1),
            nn.Conv2d(2048, out_channels, 1)
        ])

        # 特征融合卷积
        self.fusion_convs = nn.ModuleList([nn.Conv2d(out_channels, out_channels, 3, padding=1),
            nn.Conv2d(out_channels, out_channels, 3, padding=1),
            nn.Conv2d(out_channels, out_channels, 3, padding=1)
        ])

    def forward(self, x):
        # Bottom-up 路径
        c1 = self.stage1(x)  # 1/4
        c2 = self.stage2(c1) # 1/8
        c3 = self.stage3(c2) # 1/16
        c4 = self.stage4(c3) # 1/32

        # 横向连接 + 上采样
        p4 = self.lateral_convs[3](c4)
        p3 = self.lateral_convs[2](c3) + F.interpolate(p4, scale_factor=2)
        p2 = self.lateral_convs[1](c2) + F.interpolate(p3, scale_factor=2)
        p1 = self.lateral_convs[0](c1) + F.interpolate(p2, scale_factor=2)

        # 特征融合
        p1 = self.fusion_convs[0](p1)
        p2 = self.fusion_convs[1](p2)
        p3 = self.fusion_convs[2](p3)

        return [p1, p2, p3, p4]

性能优化实践

分辨率与显存测试

金字塔层级影响

常见问题解决方案

1. 小样本归一化陷阱
2. 使用 BatchNorm 时建议冻结预训练层的 running_mean/var

3. 推荐方案：

   for m in model.modules():
       if isinstance(m, nn.BatchNorm2d):
           m.eval()

4. 梯度爆炸预防

5. 特征融合前进行 L2 归一化
6. 初始化融合卷积权重为 0
7. 添加梯度裁剪：

   torch.nn.utils.clip_grad_norm_(model.parameters(), 0.5)

拓展应用与实验

半监督学习应用

通过 bottom-up 特征构建一致性正则：

# 对未标注数据
features_u = model(unlabeled_data)
# 对增强后的相同数据
features_aug = model(augmented_data)
# 计算特征一致性损失
loss = mse_loss(features_u, features_aug.detach())

动手实验建议

AB 测试任务设计：
1. 在 COCO 数据集上分别训练 top-down 和 bottom-up 模型
2. 比较两者在以下指标：
– 小目标 (area<32^2) 的 AP
– 推理速度(FPS)
– 模型参数量
3. 可视化最后一层特征图的热力图对比

通过本文的实践可以发现，bottom-up 方法在保持较低计算成本的同时，能够更好地保留细节特征。这种特性使其在工业级应用（如瑕疵检测、遥感图像分析）中展现出独特优势。建议读者结合实际业务需求，灵活选择特征提取策略。