RoIPooling、RoIAlign笔记
RoIPooling
RoiPooling的工作原理如
Fast RCNN中提出以便使生成的候选框region proposal映射产生固定大小的feature map。
1. Conv layers使用的是VGG16,feat_stride=32(即表示,经过网络层后图片缩小为原图的1/32),原图800 * 800,最后一层特征图feature map大小:25 * 25
2. 假定原图中有一region proposal,大小为665 * 665,这样,映射到特征图中的大小:665/32=20.78,即20.78 * 20.78,如果你看过Caffe的Roi Pooling的C++源码,在计算的时候会进行取整操作,于是,进行所谓的第一次量化,即映射的特征图大小为20 * 20
3. 假定pooled_w=7,pooled_h=7,即pooling后固定成7 * 7大小的特征图,所以,将上面在 feature map上映射的20 * 20的 region proposal划分成49个同等大小的小区域,每个小区域的大小20/7=2.86,即2.86 * 2.86,此时,进行第二次量化,故小区域大小变成22
4. 每个22的小区域里,取出其中最大的像素值,作为这一个区域的‘代表’,这样,49个小区域就输出49个像素值,组成77大小的feature map。
总结,所以,通过上面可以看出,经过两次量化,即将浮点数取整,原本在特征图上映射的20 * 20大小的region proposal,偏差成大小为77的,这样的像素偏差势必会对后层的回归定位产生影响, 所以,产生了替代方案,RoiAlign
RoIAlign
RoiAlign的工作原理如
这个是在Mask RCNN中使用以便使生成的候选框region proposal映射产生固定大小的feature map时提出的
1. Conv layers使用的是VGG16,feat_stride=32(即表示,经过网络层后图片缩小为原图的1/32),原图800*800,最后一层特征图feature map大小:25 * 25
2. 假定原图中有一region proposal,大小为665 * 665,这样,映射到特征图中的大小:665/32=20.78,即20.78 * 20.78,此时,没有像RoiPooling那样就行取整操作,保留浮点数
3. 假定pooled_w=7,pooled_h=7,即pooling后固定成7 * 7大小的特征图,所以,将在 feature map上映射的20.78 * 20.78的region proposal 划分成49个同等大小的小区域,每个小区域的大小20.78/7=2.97,即2.97 * 2.97
4. 假定采样点数为4,即表示,对于每个2.97 * 2.97的小区域,平分四份,每一份取其中心点位置,而中心点位置的像素,采用双线性插值法进行计算,这样,就会得到四个点的像素值,如下图