ROI Pooling原理

1.ROI简介

1.ROI是经过最后Conv层后feature map的一个矩形框
2.每个ROI由（r,c,h,w）组成。r,c指的是左上角的坐标；h,w指的是宽和高

ROI Pooling 把一个h x w 大小的格子划分为H x W个格子，
因而每个格子的大小为（h/H, w/W）
注意，无法整除的话就会出现取地板除,对应的取ceiling 

对每个格子分别做max pooling

2.Example

feature map：8x8，
一个ROI，
输出:为2*2

(这里所谓的输入输出都是针对last Conv层).

1.输入固定大小的feature map

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

好像明白了，region proposal是指的image的地方，而ROI指的是Conv层后的feature map上的位置

3.将其划分为（22）个grids（因为输出大小为22），我们可以得到

4.对每个grid做max pooling

说明：在此案例中region proposals 是57大小的，在pooling之后需要得到22的，所以在57的特征图划分成22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。

参考来源：roi原理以及实现