为什么ssd和yolo没有roi池化层？
Why does ssd and yolo has no roi pooling layer?
我们知道像faster-rcnn和mask-rcnn这样的对象检测框架有一个roi pooling layer或roi align layer。但是为什么ssd和yolo框架没有这样的层呢？
首先，我们应该了解 roi pooling 的目的是什么：在特征图 上从提案区域获得固定大小的特征表示。因为建议的区域可能有各种大小，如果我们直接使用来自这些区域的特征，它们的形状会不同，因此不能馈送到全连接层进行预测。 （正如我们已经知道的，全连接层需要固定形状的输入）。要进一步阅读， 是一个很好的答案。
因此我们了解到 roi 池化本质上需要两个输入， 提议区域 和 特征图 。正如下面figure .
中清楚描述的那样
那么为什么 YOLO 和 SSD 不使用 roi pooling？仅仅是因为他们不使用 区域提案 ！它们的设计本质上不同于 R-CNN、Fast R-CNN、Faster R-CNN 等模型，事实上 YOLO 和 SSD 被归类为 one-stage 检测器，而 r-cnn 系列（R-CNN、Fast R-CNN、Faster R-CNN）被称为 two-stage 个检测器，因为它们首先提出区域，然后执行 class 化和回归。
对于 one-stage 检测器，它们直接从特征图 执行预测（class化和回归）。他们的方法是将图像划分为网格，每个网格将预测固定数量的具有置信度分数和 class 分数的边界框。原来的YOLO使用的是单尺度特征图，而SSD使用的是多尺度特征图，如下图fig
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 linear regression 等问题非常相似，因此它们被称为 one-stage 检测器。
我们知道像faster-rcnn和mask-rcnn这样的对象检测框架有一个roi pooling layer或roi align layer。但是为什么ssd和yolo框架没有这样的层呢？
首先，我们应该了解 roi pooling 的目的是什么：在特征图 上从提案区域获得固定大小的特征表示。因为建议的区域可能有各种大小，如果我们直接使用来自这些区域的特征，它们的形状会不同，因此不能馈送到全连接层进行预测。 （正如我们已经知道的，全连接层需要固定形状的输入）。要进一步阅读，
因此我们了解到 roi 池化本质上需要两个输入， 提议区域 和 特征图 。正如下面figure
那么为什么 YOLO 和 SSD 不使用 roi pooling？仅仅是因为他们不使用 区域提案 ！它们的设计本质上不同于 R-CNN、Fast R-CNN、Faster R-CNN 等模型，事实上 YOLO 和 SSD 被归类为 one-stage 检测器，而 r-cnn 系列（R-CNN、Fast R-CNN、Faster R-CNN）被称为 two-stage 个检测器，因为它们首先提出区域，然后执行 class 化和回归。
对于 one-stage 检测器，它们直接从特征图 执行预测（class化和回归）。他们的方法是将图像划分为网格，每个网格将预测固定数量的具有置信度分数和 class 分数的边界框。原来的YOLO使用的是单尺度特征图，而SSD使用的是多尺度特征图，如下图fig
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 linear regression 等问题非常相似，因此它们被称为 one-stage 检测器。