关于roi pooling层的理解

昨天看到目标检测原理讨论群703346870进行了激烈的讨论。个人理解如下。

1. 概念理解：

ROI, region of interest，感兴趣的(图像后者feature map)区域，数学表示上是一个矩形(x,y,w,h)，表示可能出现物体的部位。

FPN, feature pyramid network, 特征金字塔，是一个通用的backbone，类似于resnet

RPN, roi proposal network，roi 建议网络，是产生roi的网络

roi pooling层，对feature map上的roi 进行pooliing

2. 过程的理解

理解1 ：图像中roi区域通过cnn网络之后提取的feature中roi，其位置和大小都是成比例对应的。

理解2 ：卷积出的feature map可以赋予不同意义

fast rcnn中 RPN网络其实就是几个卷积网络产生可能的roi，是rcnn的升级版，具体思路是让卷积产生的feature map表示物体可能的位置。

YOLO更近一步，让卷积产生的feature map 直接表示物体的位置。

参考资料：

知乎https://zhuanlan.zhihu.com/p/73654026

博客https://blog.csdn.net/AUTO1993/article/details/78514071

目标检测原理群：703346870(原始论文已上传到该群）

图像分割原理群：425030356

强化学习原理群：112107531

OCR原理群      ：643021765

 

目标检测工程群：916212380
图像分割工程群：1030854880

强化学习工程群：1005654907

OCR工程群      ：1007648445