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方法采用的运算方法比较直接。下面是其计算的流程图:
在该网络中假设使用的骨架网络中的 f e a t s t r i d e = 16 feat_{stride}=16 featstride=16,且测试图像中的一个边界框的大小为 400 ∗ 300 400*300 400∗300。
1)首先计算对应feature map上图的大小,那么在特征图上的大小就是 400 / 16 ∗ 300 / 16 = 25 ∗ 18.75 400/16*300/16=25*18.75 400/16∗300/16=25∗18.75,注意这个时候出现小数了。那么就需要对其进行第一次量化操作,得到的特征图上大小为 25 ∗