ROI Pooling 与 SPP 理解

介绍

ROI(Region of Interest) Pooling是Pooling的一种。在传统CNN中，Pooling层的作用主要有三个：
1、特征不变性，使模型更加关注是否存在某些特征而不是特征具体的位置，对于一些旋转和平移具有不变性
2、特征降维，使模型可以抽取更广泛围的特征，减小了下一层输入大小，进而减小计算量和参数个数
3、在一定程度防止过拟合，更方便优化

ROI Pooling是针对RoIs的Pooling，其特点是输入特征图尺寸不固定，但是输出特征图尺寸固定。
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
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

ROI Pooling的思想来自于SPPNet中的Spatial Pyramid Pooling，在Fast RCNN中使用时，将SPPNet中多尺度的池化简化了为单尺度。

SPP（Spatial Pyramid Pooling）

在介绍ROI Pooling之前，先简单介绍一下SPP的过程，两者的目的都是将不同大小的窗口输入得到同样大小的窗口输出。
在卷积的操作中，对输入的尺寸是没有限制的，但是大多数网络结构的卷积操作后会连着全连