ROI Pooling的作用及意义

什么是ROI pooling？
ROI pooling 是对（Region of Interest）进行Pooling操作，广泛应用在物体检测的研究领域。
该操作的目的是对输入feature map中的不同大小的ROI利用池化方法获得固定大小的输出feature map。

ROI Pooling层的输入：
1，经过基础网络卷积和池化后的固定大小的特征图；
2，表示ROI信息的N*5维的矩阵，其中N表示ROI数目，纵坐标的第一列表示图片在输入特征图batch中的索引，之后四位是ROI的左上角和右下角坐标的信息。
换个说法，实际上这部分输入就是rois：指的是RPN层的输出，一堆矩形框，形状为1x5x1x1（4个坐标+索引index），其中值得注意的是：坐标的参考系不是针对feature map这张图的，而是针对原图的（神经网络最开始的输入）。

ROI Pooling的输出
输出是batch个vector，其中batch的值等于roi的个数，vector的大小为channelwh；ROI Pooling的过程就是将一个个大小不同的box矩形框，都映射成大小为w*h的矩形框；

举例：(数字是随意举例的，仅仅为了说明道理)
假设输入的ROI大小为8060，期望输出的ROI固定大小为106；
那么将输入的ROI（8060）划分为106块，即每块的大小为(80/10,60/6)。
对每一块分别进行最大或者最小Pooling操作，即得到了10*6的期望大小的输出ROI。