ROI Pooling层详解
ROI Pooling层详解
网络
原文连接：https://blog.deepsense.ai/region-of-interest-pooling-explained/spa
目标检测typical architecture 一般能够分为两个阶段：
（1）region proposal：给定一张输入image找出objects可能存在的全部位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些一般称之为region proposals或者 regions of interest（ROI）。
（2）final classification：肯定上一阶段的每一个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 会致使performance problems，很难达到实时目标检测。
- 在处理速度方面是suboptimal。
- 没法作到end-to-end training。
这就是ROI pooling提出的根本缘由。
ROI pooling层能实现training和testing的显著加速，并提升检测accuracy。该层有两个输入：
- 从具备多个卷积核池化的深度网络中得到的固定大小的feature maps；
- 一个表示全部ROI的N*5的矩阵，其中N表示ROI的数目。第一列表示图像index，其他四列表示其他的左上角和右下角坐标；
ROI pooling具体操做以下：
（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）对每一个sections进行max pooling操做；
这样咱们就能够从不一样大小的方框获得固定大小的相应 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升了处理速度。
ROI pooling example
考虑一个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 投影以后位置（左上角，右下角坐标）：（0，3），（7，8）。
rest
（3）将其划分为（2*2）个sections（由于输出大小为2*2），咱们能够获得：
orm
（4）对每一个section作max pooling，能够获得：
blog
ROI pooling总结：
（1）用于目标检测任务；（2）容许咱们对CNN中的feature map进行reuse；（3）能够显著加速training和testing速度；（4）容许end-to-end的形式训练目标检测系统。