本文介绍了在PyTorch中实现Faster R-CNN时ROI层的工作原理。主要内容包括：利用RPN产生的ROI与VGG16特征图进行ROI Pooling，生成固定尺寸7*7的特征图，进行分类和定位任务。通过金字塔池化处理，以适应不同大小的ROI，同时提到了双线性插值在处理非整数比例时的作用。虽然作者表示部分细节未完全理解，但文章概述了ROI处理的主要步骤，包括nms后的ROI选取、空间金字塔池化以及ROI Loc和Scores的计算。
更新：2019/8/12
上文说到
最终获得的检测框将用于ROI层真值标签的生成，以及进行筛选3：1的正负样本放入ROI层进行训练（共128个）；
同时进入ROI层的还有vgg16生成的特征图，这个特征图用于上面说的3：1正负样本坐标将相应位置的特征图抠出来用于ROIpooling层进行金字塔池化，通过金字塔池化生成固定尺寸大小（7*7）特征图；在用来全连接层分类和定位，计算损失方式与PRN层类似，只是这里换成了21类（前景20类+背景1类）；
金字塔池化使用的是核大小分别是w/7,h/7（w,h为特征图大小），步长为w/7,h/7；这样就能产生7*7的大小的特征图；
ps：w/7取整了，也就是说有一部分特征图是没有使用的；所以产生了align pooling 采用双线性插值来避免像素值除以不整的情况；
---------------------------------------------------------------------------------------------------------------------------------------------------
由于能力有限，这部分很多都没看懂，只能把自己看懂的部分写出来。供大家查看其大概想要干什么。
大概步骤为：
1.将前面rpn获得的通过nms极大值抑制获得符合条件的roi（这里ROI个数为2000个）及其标签，还有vgg16出来的特征图进行空间金字塔池化。
2.分别输入进roi_loc和roi_scores获得roi坐标和评分（到这里就有128个
最低0.47元/天 解锁文章
2027
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
