fast_rcnn中的RoI pooling layer的理解

在rcnn中，是在原图上将 提取，然后再依次送进CNN中做卷积，但是由于之间像素是重叠的，因此就多了很多卷积运算，因此，在，先将原图送到CNN中进行卷积，得到一个 map图，然后将原图上的 映射到 map，但是映射之后的 大小尺寸不一样，我们在 map上提取之后，得到的向量长度不一样，没有办法做后续的卷积或是全连接，因此需要ROI ，将大小不一样的 池化为大小一样的，即HXW。

下图是roi 层的作用：

下图是roi 层的做法：

map中选取 0，然后将 映射到 map 上，例如映射之后的是8x8，那么在 0上的 是这样的，将8x8分成WXH个子块，这里是2x2，那么每个子块就是4x4，在这4x4中只取最大值来替代这个子块，这样就得到了WXH的大小，这里是2x2； map的每个 都按照下面的方式进行roi ，这样每个 就得到了 过的 map。