Rol pooling
RoI Pooling Layer是SPP-Layer的简化形式。SPP-Layer是空间金字塔Pooling层,包括不同的尺度;RoI Layer只包含一种尺度,如论文中所述7*7。
在硬件上,ROIpooling相当于resize。
这样对于RoI Layer的输入(r,c,h,w),RoI Layer首先产生77个rc*(h/7)(w/7)的Block(块),然后用Max-Pool方式求出每一个Block的最大值,这样RoI Layer的输出是rc77。(r,c是原点的坐标)。
参考资料:http://blog.csdn.net/lanran2/article/details/60143861
Rol pooling layer的作用主要有两个
1)将image中的rol定位到feature map中对应区域(patch),
2)用一个单层的SPP layer将这个feature map patch下采样为大小固定的feature再传入全连接层。
具体操作
ROI Pooling的输入有两部分组成:
1)data:指的是进入RPN层之前的那个Conv层的Feature Map,通常我们称之为“share_conv”;
2)rois:指的是RPN层的输出,一堆矩形框,形状为1x5x1x1(4个坐标+索引index),其中值得注意的是:坐标的参考系不是针对feature map这张图的,而是针对原图的(神经网络最开始的输入)。
ROI Pooling的输出:
输出是batch个vector,其中batch的值等于roi的个数,vector的大小为channelxwxh;ROI Pooling的过程就是将一个个大小不同的box矩形框,都映射成大小为wxh的矩形框;
过程:
先把roi中的坐标映射到feature map上,映射规则比较简单,就是把各个坐标除以输入图片与feature map的大小的比值,得到了feature map上的box坐标后,我们使用pooling得到输出。
ROIalign
ROIalign的实现方法是在每一个bin(float型)中采用适当次数的双线性插值,然后再做maxpooling,论文中采用的是每个bin采用四次双线性插值,论文中也指出每一个bin可以采用一次双线性插值,也可以采用大于四次的插值再做maxpooling。