FasterRcnn RoiPooling（Pytorch版本）部分几个问题的解析

FasterRcnn RoiPooling（Pytorch版本）部分几个问题的解析：

（1）lib/model/roipooling文件夹中几个子文件夹的内容：

          faster rcnn pytorch中的roi pooling简介

          简述：

              1）src文件夹下是C和CUDA版本的源码，其中roi_pooling的操作的前向传播有C和CUDA版本，反向传播只有CUDA版本；

              2）ext文件夹下存储src文件夹中C/CUDA代码编译后的文件的，编译后的文件可以被Funcitons中的roi_pool.py调用；

              3）Functions文件夹下的roi_pool.py继承了torch.autograd.Function类，实现了Roi Pooling层的foward（）和backward（）函数。

              4）Modules文件夹下的roi_pool.py继承了torch.nn.Modules类，引用了Functions.roi_pool.py,实现了对Roi Pooling层的封装，使Roi Pooling层可以和ReLU层等一样被使用。

 

（2）RoiPooling和RoiAlign的区别：

          RoiPooling和RoiAlign的区别

          你真的学会Roi Pooling了吗？

          简述：

              在Roi Pooling中，当Proposals从原图映射到特征图，又从特征图上映射到固定大小时，需要进行两次下采样，当除得的结果不为整数时，Poi Pooling在两次计算过程中，分别对计算结果中的浮点数进行了量化取整操作，最终对各个小区域进行最大池化。这样计算造成的像素偏差势必会对后层的回归定位产生影响。

              而Roi Align对这个过程进行了一些改进，在两次计算过程中保留浮点数的计算结果，在最大池化前通过双线性插值法计算计算各个小区域内每块（如2*2块）中心位置的像素值，再对各个小区域进行最大池化。

              当检测大目标时两种方法相差不大，但检测小目标时，Roi Align更加精准一些。

 

（3）在roi_pooling.py中为何用ctx代替常见的self，如下所示。

def __init__(ctx, pooled_height, pooled_width, spatial_scale):

          pytorch中self与ctx的区别

          简述：

             ctx是context的缩写, 翻译成"上下文/ 环境",ctx专门用在静态方法中;而self指的是实例对象;

             ctx用在静态方法中, 调用时不需要实例化对象, 直接通过类名就可以调用, 所以self在静态方法中没有意义；

             自定义的forward()方法和backward()方法的第一个参数必须是ctx;，ctx可以保存forward()中的变量,以便在backward()中继续使用；