rcnn的Object proposal transformations的理解

rcnn中使用selective search选择了2000+的region propoals，然后将这些region propoasls transform 成227x227的大小过之后，送入CNN中。

有三种transformations方式，上图中，
A 是原图；
B（tightest square with context）是将原图A放入到最紧密的并且能够包含原图A的正方形中，然后使用上下文信息进行填充，然后将其resize为227x227，这种填充过之后的图像，虽然不是227x227，但是是正方形的，因此直接resize，没有损坏长宽比。
C（tightest square without context）是将原图A放入到最紧密的并且能够包含原图A的正方形中，不使用上下文填，使用均值进行填充，然后将其resize为227x227， 这样是为了保证227x227中的原图尺寸比例不变。
D（wap）直接破坏原图A 的尺寸，直接resize为227x227;