在快速RCNN方法中，原始图像中的区域提议被投影到最终卷积特征图的输出上。对于VGG网络，输入图像的大小为224 x 244，卷积特征图的最终输出为14 x 14 x 512。
这是否意味着将输入图像上的建议投影到功能图上以进行ROI合并？投影是边界框的简单缩放吗？
小智 0
本文很好地描述了 RoI 池化以及如何从原始标签获得特征图的 RoI BB 等效项。
\nhttps://medium.com/datadriveninvestor/review-on-fast-rcnn-202c9eadd23b
\n基本上，RoI 池化的目标是从 CNN 输出特征图的任意大小部分输出固定大小的特征图。
\n为此，您必须进行 RoI 投影，将 RoI BB (x,y,h,w) 从原始图像转换为特征图中所需的 RoI BB。这是通过根据子采样率对其进行缩放来完成的。
\n前任。）
\n然后，您只需在特征图的该部分上进行池化，使用 H\xc3\x97W 个大小为 ~h\'/H\xc3\x97w\'/W 的池化窗口，其中 H 和 W 是高度和宽度池化层的目标输出。
\n这篇文章给出了更好的描述，我鼓励您查看它和原始论文！
\n