一）、RoIPooling
這個可以在Faster RCNN中使用以便使生成的候選框region proposal映射產生固定大小的feature map
先貼出一張圖，接着通過這圖解釋RoiPooling的工作原理
針對上圖
1)Conv layers使用的是VGG16，feat_stride=32(即表示，經過網絡層后圖片縮小為原圖的1/32),原圖800*800,最后一層特征圖feature map大小:25*25
2)假定原圖中有一region proposal，大小為665*665，這樣，映射到特征圖中的大小：665/32=20.78,即20.78*20.78，如果你看過Caffe的Roi Pooling的C++源碼，在計算的時候會進行取整操作，於是，進行所謂的第一次量化，即映射的特征圖大小為20*20
3)假定pooled_w=7,pooled_h=7,即pooling后固定成7*7大小的特征圖，所以，將上面在 feature map上映射的20*20的 region proposal划分成49個同等大小的小區域，每個小區域的大小20/7=2.86,即2.86*2.86，此時，進行第二次量化，故小區域大小變成2*2
4)每個2*2的小區域里，取出其中最大的像素值，作為這一個區域的‘代表’，這樣，49個小區域就輸出49個像素值，組成7*7大小的feature map
總結，所以，通過上面可以看出，經過兩次量化，即將浮點數取整，原本在特征圖上映射的20*20大小的region proposal，偏差成大小為7*7的，這樣的像素偏差勢必會對后層的回歸定位產生影響
所以，產生了替代方案，RoiAlign
二）、RoIAlign
這個是在Mask RCNN中使用以便使生成的候選框region proposal映射產生固定大小的feature map時提出的
先貼出一張圖，接着通過這圖解釋RoiAlign的工作原理
同樣，針對上圖，有着類似的映射
1)Conv layers使用的是VGG16，feat_stride=32(即表示，經過網絡層后圖片縮小為原圖的1/32),原圖800*800,最后一層特征圖feature map大小:25*25
2)假定原圖中有一region proposal，大小為665*665，這樣，映射到特征圖中的大小：665/32=20.78,即20.78*20.78，此時，沒有像RoiPooling那樣就行取整操作，保留浮點數
3)假定pooled_w=7,pooled_h=7,即pooling后固定成7*7大小的特征圖，所以，將在 feature map上映射的20.78*20.78的region proposal 划分成49個同等大小的小區域，每個小區域的大小20.78/7=2.97,即2.97*2.97
4)假定采樣點數為4，即表示，對於每個2.97*2.97的小區域，平分四份，每一份取其中心點位置，而中心點位置的像素，采用雙線性插值法進行計算，這樣，就會得到四個點的像素值，如下圖
上圖中，四個紅色叉叉‘×’的像素值是通過雙線性插值算法計算得到的
最后，取四個像素值中最大值作為這個小區域(即：2.97*2.97大小的區域)的像素值，如此類推，同樣是49個小區域得到49個像素值，組成7*7大小的feature map
總結：知道了RoiPooling和RoiAlign實現原理，在以后的項目中可以根據實際情況進行方案的選擇；對於檢測圖片中大目標物體時，兩種方案的差別不大，而如果是圖片中有較多小目標物體需要檢測，則優先選擇RoiAlign，更精准些....
作為一枚技術小白，寫這篇筆記的時候參考了很多博客論文，在這里表示感謝，同時，未經同意，請勿轉載....