1.roi pooling
將從rpn中得到的不同proposal大小變為fixed_length output,
也就是將roi區域的卷積特徵拆分成為h*w個網格，對每個網格進行maxpooling,然後就能得到固定大小的特徵。
2.roi align
從原圖的proposal對映回feature map，從原圖到特徵圖直接的roi對映使用雙線性插值
形狀不變
3.roi wrap
將fearure map 剪下一塊，然後wrap到固定大小，採用長度和寬度兩個方向的雙線性插值。
形狀改變
4.position sensitive roi pooling
位置敏感roi pooling
在rfcn中，採用position sensitive score maps這種針對特徵圖位置資訊的提取方式，再進行pooling操作
增強檢測器對位置的敏感性。
目標檢測中的example mining
目標檢測，一般分為2個部分，定位和分類,example mining是選擇出特定樣本來計算損失函式 從實際問題出發hard example應該就是指定位較困難或分類較困難或者兩者都困難的候選框。ssd的caffe中支援negative mining和hard example mining，當shar...
目標檢測中region proposal的作用
首先我們明確乙個定義，當前主流的object detection框架分為1 stage和2 stage，而2 stage多出來的這個stage就是regional proposal過程，明確這一點後，我們繼續講。regional proposal的輸出到底是什麼？我們首先看一下以faster r c...
目標檢測中的Selective Search
在r cnn學習的過程中，首先使用到的技巧就是selective search選擇性搜尋。它的目標是減小滑動窗或者窮舉法帶來的冗餘候選區域，從而減小計算量。本文參考blog 選擇性搜尋主要集中解決了以下幾個問題 事先並不知道內物體的尺寸，如何確定不同大小比例的候選框 對於影象中存在的特徵，如何利用起...