ROI Pooling原理

ROI pooling具体操作如下：

• 根据输入image，将ROI映射到feature map对应位置；
• 将映射后的区域划分为相同大小的sections（sections数量与输出的维度相同）；
• 对每个sections进行max pooling操作；
• 这样我们就可以从不同大小的方框得到固定大小的相应 的feature maps。值得一提的是，输出的feature maps的大小不取决于ROI和卷积feature maps大小。ROI pooling 最大的好处就在于极大地提高了处理速度。

ROI pooling example 

我们有一个8*8大小的feature map，一个ROI，以及输出大小为2*2.

输入的固定大小的feature map 

region proposal 投影之后位置（左上角，右下角坐标）：（0，3），（7，8）。 

将其划分为（2*2）个sections（因为输出大小为2*2），我们可以得到： 

对每个section做max pooling，可以得到： 

整体过程如下： 

说明：在此案例中region proposals 是5*7大小的，在pooling之后需要得到2*2的，所以在5*7的特征图划分成2*2的时候不是等分的，行是5/2，第一行得到2，剩下的那一行是3，列是7/2，第一列得到3，剩下那一列是4。