ROI Pooling解析

最新推荐文章于 2024-09-16 13:53:13 发布
最新推荐文章于 2024-09-16 13:53:13 发布
阅读量3.6k 收藏 9
点赞数 3
分类专栏： 深度学习 文章标签： ROI Pooling
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hzhj2007/article/details/79450622
版权
ROI Pooling是Ross Girshick在fast RCNN论文中提出的，用于物体检测的池化操作。它将不同大小的ROI转换为固定大小的输出，常用于处理特征图。ROI Pooling层接收经过基础网络处理的特征图和ROI信息，通过均分ROI并进行最大值或平均值池化，得到固定尺寸的输出。此操作的输出维度不依赖于原始特征图或ROI，仅取决于ROI等分的子区域数量。
摘要由CSDN通过智能技术生成

    ROI Pooling最早由Ross Girshick在2015年的论文fast rcnn中提出，是对ROI(Region of Interest)的Pooling操作，广泛应用于物体检测的研究领域。该操作旨在对输入特征图中不同大小的ROI利用池化方法获得固定大小的输出特征图。

ROI Pooling层的输入：

  1. 经过基础网络卷积和池化后的固定大小的特征图；
  2. 表示ROI信息的N*5维的矩阵，其中N表示ROI数目，纵坐标的第一列表示图片在输入特征图batch中的索引，之后四位是ROI的左上角和右下角坐标的信息。如下图表示一张图片中的ROI信息

                                                                            图1 VOC数据集中带ROI标注的图片

ROI Pooling层的操作：

    将特征图中的ROI缩放到预定义的大小，如7*7的尺寸，缩放的处理流程包括：将ROI均分为等大的子区域，其数量与网络层的输出大小相同；计算每个子区域中的最大值或平均值&#

最低0.47元/天 解锁文章
hzhj
关注
专栏目录
ROI Pooling（感兴趣区域池化）
丿回到火星去
05-03 2万+
引言 感兴趣区域池化（Region of interest pooling）（也称为RoI pooling）是使用卷积神经网络在目标检测任务中广泛使用的操作。例如，在单个图像中检测多个汽车和行人。其目的是对非均匀尺寸的输入执行最大池化以获得固定尺寸的特征图（例如7×7）。 计算机视觉中的两个主要任务是对象分类和目标检测。在第一种情况下，系统应该正确地标记图像中的主要对象。在第二种情况下，它应该为图...
ROIpooling是什么
yychentracy的博客
08-31 2万+
ROI操作的基本介绍 roi是在原图中的感兴趣区域，可以理解为目标检测的候选框也就是region of proposals，我们将原图进行特征提取的时候，就会提取到相应的feature map。那么相应的ROI就会在feature map上有映射，这个映射过程就是roipooling的一部分，一般ROI的步骤会继续进行max pooling，进而得到我们需要的feature map，送入后面继续计...
深入浅出之RoI（Region of Interest：感兴趣区域）
最新发布
浩瀚之水的专栏
09-16 2891
RoI Align的思想是使用双线性插值获得坐标为浮点数的点的值，主要过程如图4.10所示，依然将RoI对应到特征图上，但坐标与大小都保留着浮点数，大小为20.75×20.75，不做量化。下图 RoI Align的实现过程示例接下来，将特征图上的20.75×20.75大小均匀分成7×7方格的大小，中间的点依 然保留浮点数。
ROI Pooling的作用及意义
thequitesunshine007的博客
06-23 7243
什么是ROI pooling？ ROI pooling 是对（Region of Interest）进行Pooling操作，广泛应用在物体检测的研究领域。 该操作的目的是对输入feature map中的不同大小的ROI利用池化方法获得固定大小的输出feature map。 ROI Pooling层的输入： 1，经过基础网络卷积和池化后的固定大小的特征图； 2，表示ROI信息的N*5维的矩阵，其中N表示ROI数目，纵坐标的第一列表示图片在输入特征图batch中的索引，之后四位是ROI的左上角和右下角坐标的信息
RoI Pooling详解
weixin_39568744的博客
04-11 7525
目标检测architecture通常可以分为两个阶段： （1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些通常称之为region proposals或者 regions of interest（ROI），在这一过程中用到的方法是基于滑窗的方式和selective sear...
ROI Pooling层解析
热门推荐
lanran2的博客
03-03 11万+
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； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射
目标检测之ROI Pooling层解析
夏日山间过
08-04 5404
参考： 1 2 ROIs Pooling是Pooling层的一种，特点是输入特征图尺寸不固定，但是输出特征层尺寸固定。 ROI即region of interests，指的是特征图上的框。 在fast rcnn中，roi是指的是selective search完成之后得到的候选框在特征图上的映射。如下图： 而在faster rcnn中是在rpn之后产生的，然后再把各个候选框映射到...
ROI POOLING层的原理及代码分析
啤酒饮料矿泉水
03-07 5167
代码结合配图部分的解释很便于理解https://blog.deepsense.ai/region-of-interest-pooling-explained/http://blog.csdn.net/lanran2/article/details/60143861目标检测typical architecture 通常可以分为两个阶段：（1）region proposal：给定一张输入image找出...
探索RCNN算法中的候选区域池化（RoI Pooling）
# 1. RCNN算法概述 ## 1.1 RCNN算法简介 RCNN（Regions with Convolutional Neural Network）是一种结合深度学习和目标检测的算法。它通过首先使用选择性搜索等方法提取出候选区域，然后对每个候选区域进行卷积...
从RoI Pooling 到 RoI Align -- Mask R-CNN 论文思想解析
weixin_42108090的博客
09-06 300
RoIAlign: RoIPool [12] is a standard operation for extracting a small feature map (e.g., 7×7) from each RoI. RoIPool first quantizes a floating-number RoI to the discrete granularity of the feature map, this quantized RoI is then subdivided into spatial ..
RoI Pooling与RoIWrap Pooling与RoIAlign Pooling与Precise RoI Pooling
m_buddy的博客
12-19 3885
1. 前言 文章标题给出了四种Pooling的方法，这feature pooling方法是我在看论文的时候看到的，从最开的PoI Pooling到目前最新的Precise RoI Pooling由Pooling操作带来的检测精度影响越来越小。这篇文章目的是想梳理一下它们之间的区别与联系。 2. RoI Pooling 这种Pooling方法我是在Faster RCNN中看到的，该种Pooling方...
RoI pooling介绍
Bismarckczy的博客
11-02 482
这篇博客先不谈faster rcnn系列，只谈一下RoI pooling的原理。 参考这篇英文博客 Region of interest pooling (RoI pooling)是一项广泛用在基于CNN的物体检测中的操作， 它的作用是对size各不相同的输入进行max_pooling操作，输出具有固定size(比如7x7)的feature maps. 在物体检测问题中，通常有两步， 1 Regi...
R-FCN 与 Position Sensitive ROI Pooling
yiran103的专栏
10-23 3340
Faster R-CNN 通过与 RPN 共享特征图提高了整个检测过程的速度。然而，其第2阶段仍保留 Fast R-CNN 的处理手法，将数百区域逐一送入子网络。R-FCN 在 RoI 间亦共享特征，减少了区域处理的计算量。 图片来源：vgg_rg_16_feb_2017_rfcn.pdf Faster R-CNN 与 R-FCN 的网络结构对比如下图所示： 图片来源：Light-Head...
深入理解ROI Pooling
linjingyg的博客
12-12 366
　　 　　Original Fast R-CNN architecture. Source: arxiv/pdf/1504.08083.pdf 　　本文主要讨论Fast R-CNN论文中使用的ROI Pooling(上图中蓝色矩形框部分)。 　　什么是ROI 　　ROI是Region of Interest的缩写，是原始图像上的一个Proposed Region。提取ROI的方法有很多，本文不详细讨论。 　　Fast R-CNN是如何工作的Feature extraction 　　Fas..
深度学习之 ROI Pooling
fenglepeng的博客
06-13 1万+
什么是ROI？ ROI是Region of interest的简写，指的是faster rcnn结构中，经过rpn层后，产生的proposal对应的box框。 ROIs Pooling顾名思义，是pooling层的一种，而且是针对ROIs的pooling。整个 ROI 的过程，就是将这些 proposal 抠出来的过程，得到大小统一的 feature map。 ROI Pooling 该层有两个输入： 从具有多个卷积核池化的深度网络中获得的固定大小的feature maps； 一个表示所有ROI的N*5的
ROIPooling 学习笔记
luo841297935的博客
03-20 869
ROIPooling 学习笔记 ROIPooling的作用: 在Faster RCNN系列的论文中,由于RPN出来的区域尺寸各异,而输出到后续层的特征尺寸又期望是统一大小,所以可以通过ROIPooling层来实现特征尺寸统一. ROIPing算法原理: 假设有一8*8的特征图 其中ROI的起始位置是(0,2),ROI大小为6*5 设置输出特征图尺寸为2*2,选取每一个区域的最大值,具体操作如...
ROI POOLING 介绍
aoche3999的博客
08-27 221
转自 https://blog.csdn.net/gbyy42299/article/details/80352418 Faster rcnn的整体构架： 训练的大致过程： 1、图片先缩放到MxN的尺寸，之后进入vgg16后得到（W/16，H/16）大小的feature map； 2、对于得到的大小为（W/16，H/16）的feature map上的每一个位置，都生成三种比例...
【深度学习】从 RoIPooling 到 RoIAlign
JNing
12-16 2万+
【深度学习】从 RoIPooling 到 RoIAlign
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值