快速R-CNN中ROI层的目的是什么？

Question

在关于对象检测的this教程中，提到了快速R-CNN。还提到了ROI（感兴趣区域）层。

根据最终卷积层激活函数（在每个单元格中）根据最终卷积层激活函数调整区域提议的数学上发生了什么？

Answer 1

感兴趣区域（RoI）合并：

这是一种池化层，它对非均匀大小的输入（此处为回旋特征映射）执行 max pooling ，并生成一个固定大小的小特征映射（比如7x7）。此固定大小的选择是网络超参数，并且是预定义的。

进行此类汇集的主要目的是加快培训和测试时间，并从端到端（以联合方式）培训整个系统。

这是因为这个汇集层的使用是培训和与原始（vanilla？）R-CNN架构相比，测试时间更快，因此名称​​ Fast R-CNN。

简单示例（来自Region of interest pooling explained by deepsense.io）：

Answer 2

ROI（感兴趣区域）层在Fast R-CNN中引入，是Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition中引入的空间金字塔池层的特例。由于完全连接层中的大小约束，ROI层的主要功能是将具有任意大小的整形输入转换为固定长度输出。

投资回报率层的工作原理如下所示：

在此图像中，任意大小的输入图像被送入该层，该层具有3个不同的窗口：4x4（蓝色），2x2（绿色），1x1（灰色），以产生固定大小为16 x F的输出，4 x F和1 x F，其中F是滤波器的数量。然后，将这些输出连接成矢量以馈送到完全连接层。