ROI Pooling层解析

ROI Pooling的意义

ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling,他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定。

             

1. 什么是ROI呢?
2. ROI是Region of Interest的简写，指的是在“特征图上的框”：
3. 1）在Faste RCNN中， RoI是指Selective Search 完成后得到的“候选框”在特征图上的映射，如下图所示；
4. 2）在Faster RCNN中，候选框是经过RPN产生的，然后再把各个“候选框”映射到特征图上，得到RoIs.

                                                                                图1 Faste RCNN整体结构

往往经过rpn后输出的不止一个矩形框，所以这里我们是对多个ROI进行Pooling。

ROI Pooling的输入

输入有两部分组成：

1、特征图：指的是图1中所示的特征图，在Fast RCNN中，它位于RoI Pooling之前，在Faster RCNN中，它是与RPN共享那个特征图，通常我们常常称之为“share_conv”；

2、rois:在Faster RCNN中，指的是Selective Search的输出；在Faster RCNN 中指的是RPN的输出，一堆矩形候选框，形状为1x5x1x1(4个坐标+索引|index)，其中值得注意的是：坐标的参考系不是针对feature map这张图的，而是针对原图的（神经网络最开始的输入）

ROI Pooling的输出

输出是batch个vector, 其中batch的值等于RoI的个数，vector的大小为channel * w * h; RoI Pooling 的过程就是将一个个大小不同的box矩形框，都映射成大小固定（w * h）的矩形框；

ROI Pooling的过程

                       

 如图所示，我们先把roi中的坐标映射到feature map上， 映射规则比较简单，就是把各个坐标除以“输入图片与feature map的大小的比值”， 得到了feature map 上的box坐标后，我们使用Pooling得到输出；由于输入的图片大小不一，所以这里我们使用的类似Spp Pooling, 在Pooling 的过程中需要计算Pooling后的结果对应到feature map 上所占的范围，然后在那个范围中进行取max或者取average.

 

感谢作者：https://blog.csdn.net/lanran2/article/details/60143861