一、FPN+PAN
FPN 高维度向低维度传递语义信息（大目标更明确）
PAN 低维度向高维度再传递一次语义信息（小目标也更明确）
深层的feature map携带有更强的语义特征，较弱的定位信息。
而浅层的feature map携带有较强的位置信息，和较弱的语义特征。
FPN就是把深层的语义特征传到浅层，从而增强多个尺度上的语义表达。
而PAN则相反把浅层的定位信息传导到深层，增强多个尺度上的定位能力。
二、SPP
在何恺明2015年《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》被提出，改论文主要改进两点：
解决CNN需要固定输入图像的尺寸，导致不必要的精度损失的问题；
因为带有全连接层的网络结构都需要固定输入图像的尺度，当然后期也有直接用conv层代替FC层的，比如SSD网络直接用conv层来计算边界框坐标和置信度的。
具体的关于SPP，请参见什么是SPP网络_thequitesunshine007的博客-CSDN博客