提出目的：
FPN网络初期需要使用1x1的卷积进行channel维度的统一以便共享检测Head。但不同的特征层降维后不仅会导致或多或少的信息丢失，同时由于感受野不同，层与层之间语义信息之间存在差异，直接进行融合会减弱多尺度特征的表达能力。
具体实现：
- 首先，设C5的shape为 h × w，在C5上进行与图像比例有关的自适应池化得到多尺度上下文特征，通常选择比例系数为0.1，0.2，0.3(池化后和原特征图的比例)。比例不变自适应池化与PSP的不同之处在于，PSP池化为固定大小的多个特征，而比率不变性自适应池化则考虑了图像的比率，这对于目标检测来说效果更好。
- 接着使用分别1 × 1 卷积将自适应池化后的上下文特征降维到256通道，并通过双线性插值将特征尺度采样