深度学习模型相关知识（2）

参考：https://blog.csdn.net/lanran2/article/details/60143861

ROI pooling：

ROI是Regin of Interest的简写，指的是特征图上的框，特点在于输入特征图尺寸不固定，但是输出特征图尺寸固定。

这里加一个Fast RCNN和Faster RCNN在ROI步骤前的区别：

1）在Fast RCNN中，RoI是指Selective Search产生的候选框在特征图的映射

2）在Faster RCNN中，RoI是由RPN产生的候选框在特征图的映射

如上为Fast RCNN的整体结构，经过提取候选框后完成在feature map上的映射，再经RoI pooling来将多个不同尺寸的RoI统一到相同的尺寸，然后再提取特征。

RoI pooling的输出：

输出的是batch个vector，其中batch的值是在上面的例子中是单个给定像素图中RoI的个数，vector的大小为channel*w*h（这里的channel也就是上面红色小矩阵的厚度），也就是说RoI Pooling的过程就是将大小不同的box矩形框，映射成固定大小（w*h）的矩形框。

原文地址：https://www.cnblogs.com/xiaochouk/p/9079461.html