【发布时间】：2020-08-08 03:22:23
【问题描述】：
在 Fast RCNN 方法中，原始图像中的区域提议被投影到最终卷积特征图的输出上。在 VGG 网络的情况下，输入图像的大小为 224 x 244，卷积特征图的最终输出为 14 x 14 x 512。
这是否意味着输入图像上的提案被投影到特征图上以进行 ROI 池化？投影是边界框的简单缩放吗？
【问题讨论】：
标签： deep-learning
【发布时间】：2020-08-08 03:22:23
【问题描述】：
这篇文章很好地描述了 RoI 池化以及如何从原始标签中获得特征图的 RoI BB 等效值。
https://medium.com/datadriveninvestor/review-on-fast-rcnn-202c9eadd23b
基本上，RoI 池化的目标是从 CNN 输出特征图的任意大小部分输出固定大小的特征图。
为此，您必须进行 RoI 投影，将原始图像的 RoI BB (x,y,h,w) 转换为特征图中所需的 RoI BB。这是通过根据子采样率对其进行缩放来完成的。
例如）
- 如果您的图像是 18x18 并且您的特征图是 3x3，那么您的子采样率为 3/18。
- 要获得预计的 RoI BB，然后将其乘以原始 BB 值，例如 x' = (3/18)x
然后您只需在特征图的该部分进行池化，池化窗口的数量为 H×W，大小为 ~h'/H×w'/W，其中 H 和 W 是目标的高度和宽度池化层的输出。
这篇文章给出了更好的描述，我鼓励你去看看它和原始论文！
【讨论】：