深度篇—— CNN 卷积神经网络(三) 关于 ROI pooling 和 ROI Align 与 插值

返回主目录

返回 CNN 卷积神经网络目录

上一章：深度篇—— CNN 卷积神经网络(二) 细说 池化(pooling) 与 反池化(unpooling)

下一章：深度篇—— CNN 卷积神经网络(四) 使用 tf cnn 进行 mnist 手写数字 代码演示项目

 

本小节，细说 关于 ROI 与 插值

 

三. 关于 ROI

 

1. ROI pooling (Region Of Interesting pooling, ROI pooling) 感兴趣区域池化

(1). 目标检测  typical architecture (典型架构) 通常可以分为两个阶段：

   ①. region proposal (区域提案)

        给定一张输入 image 找出 objects 可能存在的所有位置。这一阶段的输出应该是一系列 object 可能的 bounding boxes。这些通常称为 region proposal 或 region of interest (ROI)

   ②. final classification (最终分类)

         确定上一阶段的每个 region proposal 是否属于目标一类或者背景。

 

(2). 这 architecture 存在的一些问题：

   ①. 产生大量的 region proposal 会导致性能问题，很难达到实时目标检测。

   ②. 在处理速度方面是 suboptimal (次优)

   ③. 无法做到 end-to-end training。

(3). 于是提出了 ROI pooling。ROI pooling 层实现 training 和 testing 的显著加速，并提高检测 accuracy。该层有两个输入：

   ①. 从具体多个卷积核池化的深度网络中获得的固定大小的 feature map

   ②. 一个表示所有 ROI 的  的矩阵，其中  表示 ROI 的数目。 则表示 第一列为图像的 index，其余四列分别为 左上角 和 右下角 的坐标。

 

(4). ROI pooling 的具体操作

   ①. 根据输入 image，将 ROI 映射到 feature map 对应位置

   ②. 将映射后的 感兴趣区域 划分为不同大小(也可以有相同大小) 的 sections (部分)， sections 数量与输出的维度相同。

   ③. 对每个 sections 进行 max pooling 操作。

         这样就可以从不同大小的方框得到固定大小相应的 feature map。值得一提的是，输出的 feature map 的大小不取决于 ROI 和卷积 feature map 的大小。ROI pooling 最大的好处就在于极大地提高了处理速度。