Faster RCNN及RoI pooling小结

RoI： Region of interest也称作Region Proposal

指目标检测one-stage和two-stage差的那部分，具体是说现在img中找到所有可能的存在object的区域
后续再对这些区域进行判别识别存在目标object

对于不需要预生成RP的Detection算法而言，算法只需要完成三个任务：

1特征抽取
2分类
3定位回归
对于有预生成RP的Detection算法而言，算法要完成的主要有四个任务：

1特征抽取
2生成RP
3分类
4定位回归

RPN（Region Proposal Network）

RPN是Faster RCNN的一部分
输入：图片
输出：可能包含目标object的区域（object proposal）

Faster RCNN

每个feature map上的点产生9个anchor boxs:
3种scale（尺度，个人理解为框的大小） 3个aspect ratios(横纵比)

1x1 conv:保持feature map比例不变
2k:cls判断有无object（但不管是哪种object）
4k:reg给出object的四个坐标（微调了anchor box的大概尺寸）
处理后会删除一部分存在object概率低的anchor box，留下概率较高的。但是也可能存在一些高度重合的anchor box，此时采用non-maximum suppression（非最大值抑制）方法

输入给RPN之前的feature map要保留下来，并且和RPN输出的大概率region组合起来

RoIHead网络结构图
RoI Pooling 是一种特殊的Pooling操作，给定一张图片的Feature map (512×H/16×W/16) ，和128个候选区域的座标（128×4），RoI Pooling将这些区域统一下采样到 （512×7×7），就得到了128×512×7×7的向量。可以看成是一个batch-size=128，通道数为512，7×7的feature map。

参考链接：https://zhuanlan.zhihu.com/p/32404424