Output： P

1   def OurFPN（Input）：

2  P3 = F3， P4 = F4， P5 = F5， P6 = F6， Features = P3， P4， P5， P6

3  for j in range（len（Features））：

4   C_Feature［j］ = Conv2D（channels_num， kernel_size = 1）Feature［j］ #调整通道数

5  P3_in = C_Feature［0］， P4_in = C_Feature［1］， P5_in = C_Feature［2］， P6_in = C_Feature［3］

  # P3_in、P4_in、P5_in、P6_in分别为通道数调整后的特征输入

6  P6_UP = UpSampling2D（）（P6_in）， P65 = Add（［P6_UP，P5_in］）， P65 = SeparableConv（）（P65）

  # P6_in经过上采样与P5_in进行Add操作生成P65。P54、P43、P53生成操作相似

7  P65_UP= UpSampling2D（）（P65）， P5_UP = UpSampling2D（）（P5_in），P54=Add（［P65_UP，P5_UP，P4_in］）， P54= SeparableConv（）（P54）

  # P65_UP和P5_UP经过上采样后与P4_in进行Add操作生成P54

8  P54_UP= UpSampling2D（）（P54）， P4_UP = UpSampling2D（）（P4_in），P43=Add（［P54_UP，P4_UP，P3_in］）， P43= SeparableConv（）（P43）

  # P54_UP和P4_UP经过上采样后与P3_in进行Add操作生成P43

9  P53 = Add（［P54_UP，P43］）， P53= SeparableConv（）（P53）

10 P53_MaP = MaxPooling2D（）（P53），P64 = Add（［P53_MaP，P54，P65_UP］）， P64= SeparableConv（）（P64）

  # P53进行最大池化生成P53_MaP；P65经过上采样与P54、P53_MaP进行Add操作生成P64

11 P64_UP = UpSampling2D（）（P64）， P = Add（［P64_UP，P53］）， P= SeparableConv（）（P）

12 return P #返回特征P，送入分类部分