标签：targe cnn 分享 map 这一 get 改变 生成 lin
上一篇我们说完了AnchorTargetLayer层，然后我将Faster rcnn中的其他层看了，这里把ROIPoolingLayer层说一下；
我先说一下它的实现原理：RPN生成的roi区域大小是对应与输入图像大小（而且每一个roi大小都不同，因为先是禅城九种anchors，又经过回归，所以大小各不同），所以在ROIPoolingLayer层中，先将每一个roi区域映射到经过conv5的feature map上，然后roi对应于feature map上的这一块区域再经过pooling操作映射到一个固定大小的区域，这里我们用feature map_2表示，Faster rcnn中这个feature map_2的大小设为了6*6。而pooling操作就是feature map_2上的每一个点对应于feature map上roi区域上的一个部分中的最大值～具体看代码：
上面代码中的spatial_scale在Faster rcnn中为1/16（因为卷积层没有改变大小，只有pool层改变了大小，所以1/16实际就是pool层的级联），上面实现了setup()函数和reshape()函数，接下来就看前向传播了：
上面代码中：
这一部分实现了RoiPooling中的pool操作，其实就是max操作；
最后为了理解，附上灵魂画师的图：
标签：targe cnn 分享 map 这一 get 改变 生成 lin
原文地址：http://www.cnblogs.com/zf-blog/p/7337944.html
