版權聲明：轉載請注明出處?? ?https://blog.csdn.net/JNingWei/article/details/78822159
SPP Layer
對RoI進行pooling的操作最早由SPPNet中的SPP layer提出：?

對RoI進行pooling，使得檢測網絡可以輸入任意size的圖片。因為從輸入圖片到fc之間契入了對RoI的pooling，使得fc的存在也無法寫死輸入圖片的size。

RoIPooling
2015年，Ross Girshick大神在Fast R-CNN中繼承了SPP layer的精髓，并簡化了該設計，提出了RoIPooling。旨在滿足一次性訓練 feature map的前提下，替代 R-CNN 中 wraped region 的功能：?

方位
在 Faster R-CNN 中，anchor經過優勝劣汰升級為RoI ，之后 輸入 RoIPooling 進行 size歸一化 。其中，RoIPooling 的 位置 如下：?

缺陷
百密一疏。由于 RoIPooling 采用的是 INTER_NEAREST（即最近鄰插值） ，即在resize時，對于 縮放后坐標不能剛好為整數 的情況，采用了 粗暴的四舍五入，相當于選取離目標點最近的點。

RoIAlign
誕生
Kaiming He 在他的論文Mask RCNN里指出，這樣做會在一定程度上損失 空間對稱性（Alignment），所以他們把 最近鄰插值 換成了 雙線性插值 。換完插值法的 RoIPooling 就有了一個更加高大上的名字 —— RoIAlign ：?

弊端
SPP Layer及其后繼的RoI Pooling、RoI Align的出現，使得Detection算法可以享受到“共享特征抽取”，從而免去了前半段網絡的重復計算；然而該設計也導致了一個問題——后半段變成了RoI-wise subnetwork，依然無法共享計算，每輸入一個RoI都需重復一次。

R-FCN針對這個痛病，將處理位置信息的任務交給了 “ position-sensitive score map ” (位置敏感得分圖) 來做，從而炒了RoI Pooling的魷魚。

插值法
具體關于 雙線性插值 的介紹可參見我的另一篇博客：圖像處理: 五種 插值法。

[1] 論文閱讀: R-FCN?
[2] 圖像處理: 五種 插值法
---------------------?
作者：JNingWei?
來源：CSDN?
原文：https://blog.csdn.net/JNingWei/article/details/78822159?utm_source=copy?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的深度学习: 从 RoIPooling 到 RoIAlign的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。