【YOLOv8改进】 AFPN ：渐进特征金字塔网络 (论文笔记+引入代码).md

介绍

摘要

在目标检测任务中，多尺度特征对于编码具有尺度变化的对象至关重要。采用经典的自顶向下和自底向上特征金字塔网络是提取多尺度特征的常用策略。然而，这些方法存在特征信息的丢失或降级问题，损害了非相邻层次之间融合效果。本文提出了一种渐近特征金字塔网络（AFPN），以支持非相邻层次之间的直接交互。AFPN通过融合两个相邻的低级特征启动，并渐进地将更高级别的特征纳入融合过程。通过这种方式，可以避免非相邻层次之间较大的语义差距。考虑到每个空间位置的特征融合过程中可能出现多对象信息冲突的潜力，进一步利用自适应空间融合操作来缓解这些不一致。我们将所提出的AFPN纳入两阶段和单阶段目标检测框架中，并使用MS-COCO 2017验证和测试数据集进行评估。实验评估表明，我们的方法比其他最先进的特征金字塔网络实现了更具竞争力的结果

创新点

AFPN（渐近特征金字塔网络）的创新点主要体现在以下几个方面：

1. 跨非相邻层的直接特征融合：AFPN通过渐进式的特征融合策略，允许非相邻层次之间的直接交互，这有助于防止在特征传递和交互过程中的信息丢失或退化。这种方法与传统的特征金字塔网络（FPN）不同，后者通常仅在相邻层次之间进行特征融合。

2. 自适应空间融合操作：为了处理不同层次特征之间可能出现的信息矛盾，AFPN引入了自适应空间融合操作。这