目标检测学习笔记（二）：RoI 池化层

原文参考：Fast R-CNN

Region of Interest, RoI 池化层的概念是最早在 Ross Girshick 的文章中提出，其功能是能够将映射在卷积特征图上的不同大小的 RoI，提取相同大小的特征图（feature map）。

在文章 Fast R-CNN 中，作者采用基于 ImageNet 数据集训练的三个网络作为 Fast R-CNN 的初始化网络结构。

• 初始化网络中具有5个最大池化层（max pooling layer），以及5到13层卷积层，在初始化网络时，将最后一层 max pooling 用 RoI pooling 进行替换，并且该池化层得到的特征图的大小 H×W 应该与之后的第一层全连接层的大小相匹配（例如，在 VGG16 网络中，H=W=7）；
• 其次，将初始化网络中最后的全连接层采用两个网络结构（1个全连接层 + Softmax）进行替代，分别用于输出 RoI 中目标的类别和相应的拟合坐标（bounding box）；
• 此外，将输入网络的数据，更改为若干图片以及每个图片中相应的 RoI（等同于 Region Proposal Network, RPN 中的 Proposal bounding boxes）。