RoI Pooling详解

目标检测architecture通常可以分为两个阶段： 
（1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些通常称之为region proposals或者 regions of interest（ROI），在这一过程中用到的方法是基于滑窗的方式和selective search。 
（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。 

这个architecture存在的一些问题是：

·产生大量的region proposals 会导致performance problems，很难达到实时目标检测。
·在处理速度方面是suboptimal。
·无法做到end-to-end training。
这就是ROI pooling提出的根本原因，ROI pooling层能实现training和testing的显著加速，并提高检测accuracy。该层有两个输入：

1.从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的数目。第一列表示图像index，其余四列表示其余的左上角和右下角坐标；
ROI pooling具体操作如下：

1.根据输入image，将ROI映射到feature map对应位置；
2.将映射后的区域划分为相同大小的sections（sections数量与输出的维度相同）；
3.对每个sections进行max pooling操作；
这样我们就可以从不同大小的方框得到固定大小的相应 的feature maps。值得一提的是，输出的feature maps的大小不取决于ROI和卷积feature maps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 
我们有一个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： 

整体过程如下： 

说明：在此案例中region proposals 是5*7大小的，在pooling之后需要得到2*2的，所以在5*7的特征图划分成2*2的时候不是等分的，行是5/2，第一行得到2，剩下的那一行是3，列是7/2，第一列得到3，剩下那一列是4。

ROI Pooling 就是将大小不同的feature map 池化成大小相同的feature map，利于输出到下一层网络中。
代码实现

--------------------- 
作者：Elag 
来源：CSDN 
原文：https://blog.csdn.net/u011436429/article/details/80279536 
版权声明：本文为博主原创文章，转载请附上博文链接！