目标检测中常用关键词的含义

1. ROI Pooling 和 ROI Align 的区别 本文转自B呼。

ROI Pooling

• 对齐到网格单元（snap to grid cell）
  首先将一个浮点数RoI量化为特征映射的离散粒度。表现为RoI对应的特征图的与原始特征图的网格单元对齐。这里为第一次量化操作。
  
• 划分网格为子区域（bin）
  粗略地将网格分为$H\times W$（Fast RCNN 中设为$7\times 7$）个子网格区域。将上一步得到的量化RoI 特征进一步细分为量化的空间单元(bin)。这里进行了第二次量化操作
  
• 最大池化操作
  在每一个子区域执行聚合操作得到单元的特征值（一般是最大池化）。对上一步得到的$2\times 2$个子区域分别做最大池化操作，得到$2\times 2\times 512$的目标特征图。
  
  **通过RoI Pooling, 对于具有不同特征大小的的输入区域, 都可以得到相同大小输出特征。**但是每一次量化操作都会对应着轻微的区域特征错位（misaligned）， 这些量化操作在RoI和提取到的特征之间引入了偏差。这些量化可能不会影响对分类任务，但它对预测像素精度掩模有很大的负面影响。

ROI Align

RoI Align 在 Mask RCNN 中被首次提出。针对RoI Pooling在语义分割等精细度任务中精确度的问题提出的改进方案。
**Step：**下面以输出目标特征图尺寸大小为 $2\times 2\times 512$进行说明

• 遍历候选每个候选区域，保持浮点数边界不做量化（不对齐网格单元）；同时平均分网格分为 $H\times W$（这里为 $2\times 2$ ）个子网格区域，每个单元的边界也不做量化。
  
• 对于每个区域选择4个规则采样点（分别对应将区域进一步平均分为四个区域，取每个子区域的中点）。
  
• 利用双线性插值计算得到四个采用点的像素值大小。下图为一个规则采样点所对应的邻近区域示意图。
  
• 利用最大池化（max pooling）或平均池化(average pooling)分别对每个子区域执行聚合操作，得到最终的特征图。
  
  通过RoI Align, 对于具有不同特征大小的的输入区域, 都可以得到相同大小输出特征。

双线性插值

详情请看B呼原文。
2. pass