參考：https://blog.csdn.net/lanran2/article/details/60143861

ROI pooling：

ROI是Regin of Interest的簡寫，指的是特征圖上的框，特點在於輸入特征圖尺寸不固定，但是輸出特征圖尺寸固定。

這裏加一個Fast RCNN和Faster RCNN在ROI步驟前的區別：

1）在Fast RCNN中，RoI是指Selective Search產生的候選框在特征圖的映射

2）在Faster RCNN中，RoI是由RPN產生的候選框在特征圖的映射

如上為Fast RCNN的整體結構，經過提取候選框後完成在feature map上的映射，再經RoI pooling來將多個不同尺寸的RoI統一到相同的尺寸，然後再提取特征。

RoI pooling的輸出：

輸出的是batch個vector，其中batch的值是在上面的例子中是單個給定像素圖中RoI的個數，vector的大小為channel*w*h（這裏的channel也就是上面紅色小矩陣的厚度），也就是說RoI Pooling的過程就是將大小不同的box矩形框，映射成固定大小（w*h）的矩形框。

深度學習模型相關知識（2）