改写：自下向上：其实就是网络的前向过程。在前向过程中按2的整数倍进行选取的。feature map的大小在经过某些层后会改变而在经过其他一些层的时候不会改变作者将不改变feature map大小的层归为一个stage因此每次抽取的特征都是每个stage的最后一个层输出这样就能构成特征金字塔。在特征选取网络的backbone都是以2的整数倍进行缩放。自顶向下：过程中采用上采样upsampling进行

自下向上：网络的前向过程实际上是从底部开始逐层向上的。在前向过程中，每隔2个层就会选取一次feature map，而经过某些层后，feature map的大小会改变，而经过其他一些层时则不会改变。作者将不改变feature map大小的层归为一个stage，因此每个stage的最后一个层输出就是每次抽取的特征，这样就能构成特征金字塔。特征选取网络的backbone都是以2的整数倍进行缩放。

自顶向下：在这个过程中，使用上采样（upsampling）进行图像尺寸的扩大，其中采用的是2倍的上采样。这样可以保证高度和宽度相同，然后使用横向连接进行特征融合。上采样采用的是简单的邻近插值算法。横向连接将上采样的结果和自下向上生成的相同大小的feature map进行融合，然后再使用3*3的卷积核对融合结果进行卷积，以消除上采样的混叠效应。