你如何在小于目标大小的区域上进行 ROI-Pooling？
How do you do ROI-Pooling on Areas smaller than the target size?
我目前正在尝试从 here to work in windows with tensorflow. For that, I wanted to re-implement the ROI-Pooling layer, since it is not working in windows (at least not for me. If you got any tips on porting to windows with tensorflow, I would highly appreciate your comments!). According to this 网站获取 Faster R-CNN 网络，您所做的是，从特征图中获取建议的 roi，并将其内容最大池化为固定的输出大小。以下全连接层需要此固定输出，因为它们只接受固定大小的输入。
现在的问题是：
在conv5_3之后，roi pooling之前的最后一个卷积层，region proposal network产生的框大小大多是5x5像素。这完全没问题，因为我想要检测的对象在原始图像中通常具有 80x80 像素的尺寸（由于池化而导致的下采样因子为 16）。但是，我现在必须最大池化 5x5 像素的区域并将其放大到 7x7，即 ROI 池化的目标大小。我通过简单地进行插值的第一次尝试没有奏效。此外，用零填充也不起作用。我的 类.
似乎总是得到相同的分数
我做错了什么吗？我不想更改任何层的尺寸，并且我知道我训练的网络通常可以正常工作，因为我在数据集的 Linux 中有参考实现 运行。
非常感谢您的时间和精力:)
现在有 Faster-RCNN 和其他目标检测算法的官方 TF 实现，在他们的 Object Detection API 中，您应该检查一下。
如果您仍然想自己编写代码，我想知道的事情与您完全相同，但找不到关于您应该如何做的答案。我的三个猜测是：
插值，但是改变了特征值，所以破坏了一些信息...
只需将每个单元格复制 7 次然后最大池化为 7x7 即可将大小调整为 35x35（您不必实际进行调整大小然后进行池化，例如在 1D 中它基本上将自身缩减为 output[i]=max(input[floor(i*5/7)], input[ceil(i*5/7)])，在 2D 中具有类似的最大超过 4 个元素 - 小心，我可能忘记了一些 +1/-1 或其他东西 -）。我至少看到两个问题：一些价值被过度代表，比其他价值被复制得更多；但更糟糕的是，一些（小的）值甚至根本不会在输出中被复制！ （你应该避免，因为你可以在输出中存储比输入更多的信息）
确保所有输入特征值在输出中的最佳位置至少被准确复制一次（基本上将 input[i] 复制到 output[j] 并使用 j=floor((i+1)*7/5)-1)).对于剩余的点，要么保留 0，要么进行插值。我认为这个解决方案是最好的，也许有插值，但我真的一点也不确定。
看起来 smallcorgi's implementation 使用了我的第二个解决方案（没有实际调整大小，只是使用最大池化），因为它与输入大于输出的情况的实现相同。
我知道已经晚了，但我 post 这个答案可能对其他人有帮助。我写了一段代码来解释 roi pooling 如何在 pool 和 region 的不同高度和宽度条件下工作。
你可以在github中看到代码的link：
https://github.com/Parsa33033/RoiPooling
我目前正在尝试从 here to work in windows with tensorflow. For that, I wanted to re-implement the ROI-Pooling layer, since it is not working in windows (at least not for me. If you got any tips on porting to windows with tensorflow, I would highly appreciate your comments!). According to this 网站获取 Faster R-CNN 网络，您所做的是，从特征图中获取建议的 roi，并将其内容最大池化为固定的输出大小。以下全连接层需要此固定输出，因为它们只接受固定大小的输入。
现在的问题是：
在conv5_3之后，roi pooling之前的最后一个卷积层，region proposal network产生的框大小大多是5x5像素。这完全没问题，因为我想要检测的对象在原始图像中通常具有 80x80 像素的尺寸（由于池化而导致的下采样因子为 16）。但是，我现在必须最大池化 5x5 像素的区域并将其放大到 7x7，即 ROI 池化的目标大小。我通过简单地进行插值的第一次尝试没有奏效。此外，用零填充也不起作用。我的 类.
似乎总是得到相同的分数我做错了什么吗？我不想更改任何层的尺寸，并且我知道我训练的网络通常可以正常工作，因为我在数据集的 Linux 中有参考实现 运行。
非常感谢您的时间和精力:)
现在有 Faster-RCNN 和其他目标检测算法的官方 TF 实现，在他们的 Object Detection API 中，您应该检查一下。
如果您仍然想自己编写代码，我想知道的事情与您完全相同，但找不到关于您应该如何做的答案。我的三个猜测是：
插值，但是改变了特征值，所以破坏了一些信息...
只需将每个单元格复制 7 次然后最大池化为 7x7 即可将大小调整为 35x35（您不必实际进行调整大小然后进行池化，例如在 1D 中它基本上将自身缩减为
output[i]=max(input[floor(i*5/7)], input[ceil(i*5/7)])，在 2D 中具有类似的最大超过 4 个元素 - 小心，我可能忘记了一些 +1/-1 或其他东西 -）。我至少看到两个问题：一些价值被过度代表，比其他价值被复制得更多；但更糟糕的是，一些（小的）值甚至根本不会在输出中被复制！ （你应该避免，因为你可以在输出中存储比输入更多的信息）确保所有输入特征值在输出中的最佳位置至少被准确复制一次（基本上将
input[i]复制到output[j]并使用j=floor((i+1)*7/5)-1)).对于剩余的点，要么保留 0，要么进行插值。我认为这个解决方案是最好的，也许有插值，但我真的一点也不确定。
看起来 smallcorgi's implementation 使用了我的第二个解决方案（没有实际调整大小，只是使用最大池化），因为它与输入大于输出的情况的实现相同。
我知道已经晚了，但我 post 这个答案可能对其他人有帮助。我写了一段代码来解释 roi pooling 如何在 pool 和 region 的不同高度和宽度条件下工作。 你可以在github中看到代码的link： https://github.com/Parsa33033/RoiPooling