ROI pooling

目标检测通常分为两个阶段：

(1)region proposal:给定一张图片，找出目标可能存在的位置。该阶段输出为一系列目标可能存在的位置的bounding box。这些bounding box通常被称为region proposals或者regions of interest (ROI)。

(2) final classification:确定上一阶段的每个region proposal是否属于目标一类或者背景。

该框架的问题：

(1)产生大量的region proposals会导致性能下降，实时性不高。

(2)无法做到end-to-end的训练。

ROI pooling层能提升训练和测试的速度，并提高准曲率。

ROI pooling层的输入：

(1)具有多个卷积核池化的深度网络中获得的固定大小的feature maps；

(2)一个表示所有ROI的N*5的矩阵，其中N表示ROI的个数，5=1+4,1表示图像的index,4表示左上角和右下角坐标。

ROI pooling具体操作如下：

(1)根据输入的图像，将ROI映射到feature map的对应位置；

(2)将映射好的区域分为相同大小的sections(sections的数量与输出维度相同)；

(3)最每个sections进行max pooling操作。

这样可以从不同大小的方框中得到固定大小的对应的feature maps。注意的是输出的feature maps的大小不取决于ROI和卷积feature maps的大小。ROI pooling 最大的好处就在于极大地提高了处理速度。

ROI pooling example

考虑一个8*8大小的feature map，一个ROI，以及输出大小为2*2.

（1）输入的固定大小的feature map 

（2）region proposal 投影之后位置（左上角，右下角坐标）：（0，3），（7，8）。

（3）将其划分为（2*2）个sections（因为输出大小为2*2），我们可以得到：

（4）对每个section做max pooling，可以得到：

考虑一个8*8大小的feature map，一个ROI，以及输出大小为2*2.

（1）输入的固定大小的feature map 

（2）region proposal 投影之后位置（左上角，右下角坐标）：（0，3），（7，8）。

（3）将其划分为（2*2）个sections（因为输出大小为2*2），我们可以得到：

（4）对每个section做max pooling，可以得到：

ROI pooling总结：

（1）用于目标检测任务；（2）允许我们对CNN中的feature map进行reuse；（3）可以显著加速training和testing速度；（4）允许end-to-end的形式训练目标检测系统。

参考：

[1] http://blog.csdn.net/auto1993/article/details/78514071