Roi_Pooling层caffe源码解读

在看fasterrcnn以及和maskrcnn的时候，发现自己对fasterrcnn的roi_pooling层的原理还是不是很明白，之前只是知道roi_pooling是将rpn输出的一个roi的区域映射成一个固定大小的map，再送入后面的分类层进行分类。最近看了下roi_pooling层的源码，顿悟了。

1、roi_pooling在proto中的定义

根据看caffe源码的原则，先看该成在caffe.proto文件中的定义：

// Message that stores parameters used by ROIPoolingLayer
message ROIPoolingParameter {
  // Pad, kernel size, and stride are all given as a single value for equal
  // dimensions in height and width or as Y, X pairs.
  // 设置pool后的map的高度和宽度
  optional uint32 pooled_h = 1 [default = 0]; // The pooled output height
  optional uint32 pooled_w = 2 [default = 0]; // The pooled output width
  // Multiplicative spatial scale factor to translate ROI coords from their
  // input scale to the scale used when pooling
  # 设置从原图到pool前的feature map的比例的大小
  optional float spatial_scale = 3 [default = 1];
}

从这里可以看出，在网络定义文件中定义roi_pooling层需要设置3个参数，分别是pooled_h 、pooled_w 以及spatial_scale 的值。前2个值分别为pool后的map的宽度和高度，比如在fasterrcnn中即为6*6，后面这个值
spatial_scale 为从原图到pool前的feature map的比例的大小，因为rpn输出的roi的坐标是基于原图的，转换到feature map，是有一个比例的。
再来看看在fasterrcnn中，roi_pooling层的定义：

#========= RCNN ============
layer {
  name: "roi_pool_conv5"
  type: "ROIPooling"
  bottom: "conv5"
  bottom: "rois"
  top: "roi_pool_conv5"
  roi_pooling_param {
    pooled_w: 6
    pooled_h: 6
    spatial_scale: 0.0625 # 1/16
  }
}

相关的参数设置和caffe.proto中定义的一致。

2、roi_pooling源码

在这里，主要是关注其前向传播的函数。

namespace caffe {

// 从net定义文件中获取roi_pooling层的相关参数
template <typename Dtype>
void ROIPooli