1. 几个问题
- Mask R-CNN中为何要使用ROI Align取代Faster R-CNN中的ROI Pooling
- 何为线性插值，何为双线性插值？插值的意义？
- ROI Align的具体步骤
2. ROI Pooling
在Faster RCNN中（不懂Faster RCNN的点击这里），通过Achor生成的RPN Boxes经过一系列筛选后，会得到一系列ROIs用于后面的识别等工作。但是用于识别的网络需要输入固定维度的图像特征，而ROIs的大小不一致，故抽取的图像特征也不一致。为此，在Faster RCNN中，使用ROI Pooling来解决这个问题。
首先，我们理解一下ROI Pooling的基本思路，如上图所示
- 假设我们有一个8*9的feature map，2个ROI，且要求输出的固定维度大小为2x2
- 我们经过坐标的变化，得到在特征图上的投影坐标（左上角x，左上角y，宽度，高度）为(0, 3, 3, 4)，(4, 1, 4, 4)，如图中的红框
- 既然需要得到2x2的固定特征维度，那么我们需要对红框内的特征图做Pooling，Pooling方式也如图中所示，以及最后的结果，都一目了然。
- 有的特征图在划分的时候不能整除，那就只能采取图中做法，类似于加了个zero-pooling
其次，我们来说一下ROI Pooling存在的问题。我们在上面提到了”坐标变换“这四个字，我也特地加粗了，其实问题就出在这里。
- 假设我们使用VGG16, feat_stride=32来提取图片特征。若原图大小为800x800，那么最后输出的特征图xxxxxxxxx……
未完待续~~~