python - 如何在tensorflow中实现Region of Interest Pooling层？

Question

我正在尝试创建 Faster RCNN 之类的模型。当涉及到特征图的 ROI 池时，我陷入了困境。我知道这里可以使用双线性采样，但它可能对端到端训练没有帮助。如何在 tensorflow 中实现这个 ROI 池化层？

标签： pythontensorflowneural-networkartificial-intelligence

Answer 1

双线性采样——顾名思义——实际上甚至可以用于端到端训练，因为它基本上是一个线性操作。但是，缺点是您的局部最大值（即强激发或某些单位）可能会消失，因为您的采样点恰好接近最小值。为了解决这个问题，您可以改为应用max_pool(features, kernel, stride)调整内核和步幅的操作，以使该最大池操作的最终输出始终具有相同的维度。

一个例子：你的特征有大小12x12，你想汇集到4x4，然后设置kernel=(3,3)并stride=(3,3)帮助你实现这一点，对于每个3x3补丁，相应特征图中最强的激励将包含在输出中。