改写：从图中可知首先输入图像经过 ResNet50 卷积神经网络的每一层获得各级特征图然后从更高的金字塔等级conv5_x来进行上采样在保留高级语义信息的同时将特征图的尺寸扩大2倍通过逐元素相加将上采样的特征图与conv4_x生成的特征经过1×1卷积后的特征融合来生成最精细的分辨率特征图再采用3×3卷积核对融合特征图卷积来消除混叠剩下的各层操作步骤同上最后生成最新的特征图。

从图中可以看出，该算法首先将输入图像通过ResNet50卷积神经网络的每一层得到各级特征图，然后使用更高层级的金字塔（如conv5_x）进行上采样，以在保留高级语义信息的同时将特征图的尺寸扩大2倍。接着，通过逐元素相加将上采样的特征图与conv4_x生成的特征进行1×1卷积后的特征融合，生成最精细的分辨率特征图。随后，采用3×3卷积核对融合特征图进行卷积，以消除混叠。最后，对剩余的每一层按照相同的步骤进行操作，生成最新的特征图。