深度学习完全攻略！（连载十九：卷积神经网络中常用奇淫巧计总结）

CNN中越来越多的应用到各种技巧，以便于提升质量，这一节主要记录那些各种小技巧。

目录

1. ROI pooling

2. ROI align

---

1. ROI pooling

举个例子：（借用部分网上的图片）

假设经过一系列的卷积和池化后得到的特征图为：

假设有个候选区域在特征图中的位置坐标为（0，3）-（6，7），左上为（1，1），也就是大小为7*5的区域。

如果我们想让每个区域都生成2*2的特征，那么7/2=3，5/2=2，得到

Pooling之后得到

2. ROI align

可以参考这篇文献：https://tjmachinelearning.com/lectures/1718/instance/instance.pdf

举个例子，还是上面的图，只是在划分的时候，保留小数位。

如果还是要得到2*2的输出，那么再把右边分割的部分在做一次分割，

可以看到图中有很多红色的叉叉，这些叉叉就是带求的值，用双线性插值求得之后，每4个红叉做一次max pool, 得到最后的2*2的输出。

那么在插值红色的叉叉的时候，如何选择插值点呢？如果当然是选择在大的黑框里面，离红色的叉叉最近的四个点做插值，因为离的越近，说明相关性越大。

 

 

 

持续更新中。。。。。。。。。。。

欢迎订阅它，关注更多内容。