我們的模型取一個大小為 512x512x3 (寬度x高度x RGB)的圖像輸入，VGG16將其映射為一個 16x16x512的feature map。比例因子是 32 。

接下來，我們將使用其中一個proposed RoIs ( 145x200box)，并嘗試將其映射到feature map上。因為不是所有的對象維度都可以整除以32，所以我們沒有將RoI與網格對齊。

- (9.25,6)— top left corner

- 6.25— width

- 4.53 — height

再一次，我們選擇池化層的大小為?3x3，所以最終的形狀是?3x3x512(這只是一個任意的例子，以便更容易在圖像上顯示。你的池化層可能有不同的大小)。

?每個框的大小由映射的RoI的大小和池化層的大小決定。我們使用了一個?3x3?的池化層，所以我們必須將映射的RoI (?6.25x4.53)除以3。這樣我們就得到了一個高為?1.51?，寬為?2.08?的方框(我在這里約簡以使它更容易)。現在我們可以把我們的方框放入映射的RoI中:

?如果查看第一個框(左上角)，可以注意到它覆蓋了6個不同的網格單元格。為了提取池化層的值，我們必須從池化層中采樣一些數據。為了對數據進行采樣，我們必須在盒子里創建?四個采樣點。

?你可以?通過方框的高度和寬度除以3?來計算每個點的位置。

在我們的例子中，我們計算第一個點(左上角)的坐標如下:

- X = X_box + (width/3) * 1 = 9.94

- Y = Y_box + (height/3) * 1 = 6.50

為了計算第二點(左下角)，我們只需要改變Y:

- X = X_box + (width/3) * 1 = 9.94

- Y = Y_box + (height/3) * 2 = 7.01

我們可以應用雙線性插值對這個方框進行數據采樣。圖像處理中常用雙線性插值對顏色進行采樣，其方程如下:

例如 第一個點

當您從我們的方框中取出第一個點時，除非它已經被取走了，您將它與最鄰近的單元格連接(正好在中間)。在本例中，我們的點的坐標是**(9.44,6.50)**。單元格左上角最接近的中間位置是**(9.50,6.50)**(如果我們的點只比網格高0.01，那么它應該是(9.50,5.50))。然后我們必須選擇一個左下角的點，最近的是**(9.50,7.50)**遵循同樣的規則，我們選擇**(10.50,6.50)**和**(10.50,7.50)**作為右上角和右下角的點。在RoI上面，您可以看到整個計算過程，從而得到第一個點(0.14)的值。

?第二個點

這一次我們從:

- top-left: (10.50, 6.50)

- bottom-left: (10.50, 7.50)

- top-right: (11.50, 6.50)

- bottom-right: (11.50, 7.50)

第三個點：

- top-left: (9.50, 6.50)

- bottom-left: (9.50, 7.50)

- top-right: (10.50, 6.50)

- bottom-right: (10.50, 7.50)

?第四個點：

- top-left: (10.50, 6.50)

- bottom-left: (10.50, 7.50)

- top-right: (11.50, 6.50)

- bottom-right: (11.50, 7.50)

計算出每個點值后? 我們按照Max Pooling進行池化操作

?

?內容來自一文讀懂 RoIPooling、RoIAlign 和 RoIWarp_Fast

總結

以上是生活随笔為你收集整理的理解RoIAlign实际操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。