我目前正试图从here获得更快的R-CNN网络，以便在具有张量流的窗口中工作。为此，我想重新实现ROI-Pooling层，因为它不能在windows中工作（至少不适用于我。如果你有任何关于移植到具有张量流的窗口的提示，我将非常感谢你的评论！）。根据{{3}}网站，你所做的是，你从你的特征地图中获取你建议的roi，并将其内容最大化为固定的输出大小。以下完全连接的层需要此固定输出，因为它们只接受固定大小的输入。
在转换池之前的最后一个卷积层conv5_3之后，由区域提议网络产生的框大多为5x5像素。这是完全正常的，因为我想要检测的对象通常在原始图像中具有80x80像素的尺寸（由于合并的下采样因子是16）。但是，我现在必须最大化5x5像素的区域并将其扩展到7x7，这是ROI-Pooling的目标大小。我的第一次尝试只是做插值不起作用。此外，用零填充不起作用。我的课程似乎总是得到相同的分数。
我做错了什么吗？我不想改变任何图层的尺寸，我知道我训练有素的网络一般都有效，因为我在我的数据集上有Linux运行的参考实现。
非常感谢您的时间和精力：）
答案 0 :(得分：0)
现在有一个正式的TF实现Faster-RCNN，以及其他对象检测算法，在Object Detection API中你应该检查一下。
如果您仍想自己编码，我想知道与您完全相同的事情，并且无法找到关于您应该如何做的答案。我的三个猜测是：
插值，但它改变了特征值，因此它会破坏一些信息......
仅通过复制每个单元格7次调整大小为35x35然后最大池化为7x7（您不必实际调整大小，然后进行池化，例如在1D中它基本上减少了自身到output[i]=max(input[floor(i*5/7)], input[ceil(i*5/7)])，在2D中有类似的最多超过4个元素 - 小心，我可能已经忘记了一些+ 1 / -1或其他东西 - ）。我看到至少有两个问题：一些价值观过多，被复制的比其他价值高;但更糟糕的是，输出中根本不会复制某些（小）值！ （你应该避免，因为你可以在输出中存储比输入中更多的信息）
确保所有输入要素值至少在输出中至少复制一次，位于最佳位置（基本上将input[i]复制到output[j] j=floor((i+1)*7/5)-1)）。对于剩余的点，要么留0，要么插值。我认为这个解决方案是最好的，也许是插值，但我真的不确定。
看起来smallcorgi's implementation使用我的第二个解决方案（没有实际调整大小，只使用最大池），因为它与输入大于输出的情况相同。
答案 1 :(得分：0)
我知道已经晚了，但我发布了此答案，因为它可能会帮助其他人。我编写了一个代码，解释了在池和区域中，roi池如何在不同的高度和宽度条件下工作。 您可以在github中看到代码的链接： https://github.com/Parsa33033/RoiPooling