什麼是roi pooling？
roi pooling 是對（region of interest）進行pooling操作，廣泛應用在物體檢測的研究領域。
該操作的目的是對輸入feature map中的不同大小的roi利用池化方法獲得固定大小的輸出feature map。
roi pooling層的輸入：
1，經過基礎網路卷積和池化後的固定大小的特徵圖；
2，表示roi資訊的n*5維的矩陣，其中n表示roi數目，縱座標的第一列表示在輸入特徵圖batch中的索引，之後四位是roi的左上角和右下角座標的資訊。
換個說法，實際上這部分輸入就是rois：指的是rpn層的輸出，一堆矩形框，形狀為1x5x1x1（4個座標+索引index），其中值得注意的是：座標的參考係不是針對feature map這張圖的，而是針對原圖的（神經網路最開始的輸入）。
roi pooling的輸出
輸出是batch個vector，其中batch的值等於roi的個數，vector的大小為channelwh；roi pooling的過程就是將乙個個大小不同的box矩形框，都對映成大小為w*h的矩形框；
舉例：(數字是隨意舉例的，僅僅為了說明道理)
假設輸入的roi大小為8060，期望輸出的roi固定大小為106；
那麼將輸入的roi（8060）劃分為106塊，即每塊的大小為(80/10,60/6)。
對每一塊分別進行最大或者最小pooling操作，即得到了10*6的期望大小的輸出roi。
FormBorderStyle的屬性及意義
formborderstyle的屬性及意義 屬 性 意 義 formborderstyle.none 無邊框formborderstyle.fixedsingle 固定的單行邊框 formborderstyle.fixed3d 固定的三維樣式邊框 formborderstyle.fixeddialo...
ROIPooling和ROIAlign的特點和區別
一 roipooling 這個可以在faster rcnn中使用以便使生成的候選框region proposal對映產生固定大小的feature map 先貼出一張圖，接著通過這 釋roipooling的工作原理 針對上圖 1 conv layers使用的是vgg16，feat stride 32 ...
RoIPooling與RoIAlign的區別
通過對faster rcnn的學習我媽了解的rolpooling可以使生成的候選框region proposal對映產生固定大小的feature map 先貼出一張圖，接著通過這 釋roipooling的工作原理 針對上圖 1 conv layers使用的是vgg16，feat stride 32 ...