ROI Pooling和RoIAlign的一些理解

最新推荐文章于 2023-02-14 09:49:04 发布

wlg于初

最新推荐文章于 2023-02-14 09:49:04 发布

阅读量695

点赞数 1

本文链接：https://blog.csdn.net/m0_37710845/article/details/103359231

版权

本文介绍了ROI Pooling和RoIAlign的概念，包括ROI的定义、ROI Pooling的工作原理、映射方案以及它们在R-CNN网络中的应用和改进作用。RoIAlign解决了ROI Pooling中因量化导致的定位精度问题，采用双线性插值来获取更精确的特征图。

摘要由CSDN通过智能技术生成

regions of interest（ROI）（亦称region proposals）：感兴趣的区域（给定一张输入image找出objects可能存在的所有位置），也就是下图中的黄色框框，每一个框框就是一个ROI
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UlUG0526-1575300114825)(en-resource://database/1319:1)]
feature map：原始图片经过多层卷积与池化后，得到整图的feature map [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IOzhgydq-1575300114826)(en-resource://database/1315:1)]

ROI Pooling是Pooling的一种，它将不同输入尺寸的feature map（ROI）通过分块池化的方法得到固定尺寸的输出。

对输入image，经过多层卷积与池化后，得到整图的feature map
对于它每一个ROI，映射到feature map对应位置。下图中，整体是原始图片的feature map，左下角是一个ROI的feature map
将输入的h * w大小的feature map分割成H * W大小的子窗口（每个子窗口的大小约为h/H，w/W，其中H、W为超参数，如设定为7 x 7），即分块池化

关注