Mask RCNN在图像分割的应用

近几年的演化过程：
FastRCNN->MaskRCNN->PANet

对比MaskRCNN 和FastRCNN，其中之一就是把ROI pool layer换成了ROIAlign layer ，下面解释一下ROIAlign，
2. ROIAlign
说到这里，自然要与roi pooling对比。
我们先看看roi pooling的原理，这里我们可以看https://github.com/deepsense-ai/roi-pooling 的动图，一目了然。

对于roi pooling，经历了两个量化的过程：
第一个：从roi proposal到feature map的映射过程。方法是[x/16]，这里x是原始roi的坐标值，而方框代表四舍五入。
第二个：从feature map划分成7*7的bin，每个bin使用max pooling。