为什么ssd和yolo没有roi池层？

Question

我们知道对象检测框架就像faster-rcnn和mask-rcnn有一个roi pooling layeror roi align layer。但是，为什么ssd和yolo框架没有这样的层？

Answer 1

首先，我们应该了解目的是roi pooling：从特征图上的建议区域中获得固定大小的特征表示。由于建议的区域可能具有各种大小，因此，如果我们直接使用区域中的特征，它们的形状将有所不同，因此无法馈入完全连接的层进行预测。（我们已经知道完全连接的层需要固定的形状输入）。为了进一步阅读，这里是一个不错的答案。

因此，我们了解到roi池化本质上需要两个输入，即建议的区域和特征图。如下图所示 。

那么为什么不使用YOLO和SSDroi pooling呢？仅仅是因为他们不使用区域提议！它们的设计本质上不同于R-CNN，Fast R-CNN，Faster R-CNN等模型，实际上YOLO和SSD属于one-stage检测器，而r-cnn系列（R-CNN，Fast R-CNN，Faster R-CNN））之所以称为two-stage检测器，是因为它们先提出区域，然后执行分类和回归。

对于one-stage检测器，他们直接从特征图执行预测（分类和回归）。他们的方法是将图像划分为网格，每个网格将使用置信度分数和类别分数预测固定数量的边界框。原始YOLO使用单比例尺特征图，而SSD使用多比例尺特征图，如下图所示

我们可以看到YOLO和SSD，最终输出是一个固定形状的张量。因此，它们的行为与类似的问题非常相似linear regression，因此被称为one-stage检测器。