這里說一下ROI Pool和ROI Align的區別：
一、ROI Pool層：
參考faster rcnn中的ROI Pool層，功能是將不同size的ROI區域映射到固定大小的feature map上，具體可實現可參考：https://www.cnblogs.com/zf-blog/p/7337944.html
它的缺點：由於兩次量化帶來的誤差；
（1）將候選框邊界量化為整數點坐標值。
（2）將量化后的邊界區域平均分割成 k x k 個單元(bin),對每一個單元的邊界進行量化。
下面我們用直觀的例子具體分析一下上述區域不匹配問題。如 圖1 所示，這是一個Faster-RCNN檢測框架。輸入一張800*800的圖片，圖片上有一個665*665的包圍框(框着一只狗)。圖片經過主干網絡提取特征后，特征圖縮放步長（stride）為32。因此，圖像和包圍框的邊長都是輸入時的1/32。800正好可以被32整除變為25。但665除以32以后得到20.78，帶有小數，於是ROI Pooling 直接將它量化成20。接下來需要把框內的特征池化7*7的大小，因此將上述包圍框平均分割成7*7個矩形區域。顯然，每個矩形區域的邊長為2.86，又含有小數。於是ROI Pooling 再次把它量化到2。經過這兩次量化，候選區域已經出現了較明顯的偏差（如圖中綠色部分所示）。更重要的是，該層特征圖上0.1個像素的偏差，縮放到原圖就是3.2個像素。那么0.8的偏差，在原圖上就是接近30個像素點的差別，這一差別不容小覷。
二、ROI Align層：
為了解決ROI Pooling的上述缺點，作者提出了ROI Align這一改進的方法(如圖2)。ROI Align的思路很簡單：取消量化操作，使用雙線性內插的方法獲得坐標為浮點數的像素點上的圖像數值,從而將整個特征聚集過程轉化為一個連續的操作，。值得注意的是，在具體的算法操作上，ROI Align並不是簡單地補充出候選區域邊界上的坐標點，然后將這些坐標點進行池化，而是重新設計了一套比較優雅的流程，如 圖3 所示：
- 遍歷每一個候選區域，保持浮點數邊界不做量化。
- 將候選區域分割成k x k個單元，每個單元的邊界也不做量化。
- 在每個單元中計算固定四個坐標位置，用雙線性內插的方法計算出這四個位置的值，然后進行最大池化操作。
這里對上述步驟的第三點作一些說明：這個固定位置是指在每一個矩形單元（bin）中按照固定規則確定的位置。比如，如果采樣點數是1，那么就是這個單元的中心點。如果采樣點數是4，那么就是把這個單元平均分割成四個小方塊以后它們分別的中心點。顯然這些采樣點的坐標通常是浮點數，所以需要使用插值的方法得到它的像素值。在相關實驗中，作者發現將采樣點設為4會獲得最佳性能，甚至直接設為1在性能上也相差無幾。事實上，ROI Align 在遍歷取樣點的數量上沒有ROIPooling那么多，但卻可以獲得更好的性能，這主要歸功於解決了misalignment的問題。值得一提的是，我在實驗時發現，ROI Align在VOC2007數據集上的提升效果並不如在COCO上明顯。經過分析，造成這種區別的原因是COCO上小目標的數量更多，而小目標受misalignment問題的影響更大（比如，同樣是0.5個像素點的偏差，對於較大的目標而言顯得微不足道，但是對於小目標，誤差的影響就要高很多）。
上圖為圖（3），ROI Align層要將feature map固定為2*2大小，那些藍色的點即為采樣點，然后每個bin中有4個采樣點，則這四個采樣點經過MAX得到ROI output；
它的優點：通過雙線性插值避免了量化操作，保存了原始ROI的空間分布，有效避免了誤差的產生；