NMS算法conclusion与ROI Pooling原理

NMS定义 

• 非极大值抑制（Non-Maximum Suppression，NMS），即抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小

NMS具体的方法描述（Selective Search Warp）

假设有下面一张图

为了定位一个车辆，算法找出了一堆的方框，我们需要判别哪些矩形框是没用的。非极大值抑制的方法是：先假设有6个矩形框，根据分类器的类别分类概率做排序，假设从小到大属于车辆的概率 分别为A、B、C、D、E、F。

• 从最大概率矩形框F开始，分别判断A~E与F的重叠度IOU是否大于某个设定的阈值
• 假设B、D与F的重叠度超过阈值，那么就扔掉B、D(因为重复了)；并标记第一个矩形框F，是我们保留下来的。
• 从剩下的矩形框A、C、E中，选择概率最大的E，然后判断E与A、C的重叠度，重叠度大于一定的阈值，那么就扔掉；并标记E是我们保留下来的第二个矩形框

就这样一直重复，找到所有被保留下来的矩形框。

NMS流程图演示

为何要引入 ROI Pooling？

1. 实时性：产生大量的region proposals 会导致performance problems，很难达到实时目标检测。
2. 保持输出大小一致，且不失真：对于传统的CNN（如AlexNet和VGG），当网络训练好后输入的图像尺寸必须是固定值，同时网络输出也是固定大小的vector or matrix。如果输入图像大小不定，这个问题就变得比较麻烦
3. 在处理速度方面是suboptimal。
4. 无法做到end-to-end training。

 ROI pooling具体操作如下

1. 根据输入image，将ROI映射到feature map对应位置；
2. 将映射后的区域划分为相同大小的sections（sections数量与输出的维度相同）；
3. 对每个sections进行max pooling操作；

• 注意最后的输出的大小已经确定下来了，即pooled_w x pooled_h固定大小
• 假设我们有8*8大小的feature map,一个ROI,我们的固定大小设置为2*2
• 固定大小的feature map如下
• 将region proposal投影到对应的位置上 
•  将其划分为（2*2）个sections（因为输出大小为2*2）：可以看到，划分是尽可能等分划分的
• 对划分后的section做max pooling，可以得到

•