4 Mask RCNN Arc.(Part3) - How RoI Pooling, RoI
分类任务（Fast-CNN、Faster-CNN）：两次 quantized，损失精度；
Mask-CNN：RoI Pooling -> RoI Align
|
4)假定采样点数为4，即表示，对于每个2.97*2.97的小区域，平分四份，每一份取其中心点位置，而中心点位置的像素，采用双线性插值法进行计算，这样，就会得到四个点的像素值，如下图 
上图中，四个红色叉叉‘×’的像素值是通过双线性插值算法计算得到的 最后，取四个像素值中最大值作为这个小区域(即：2.97*2.97大小的区域)的像素值，如此类推，同样是49个小区域得到49个像素值，组成7*7大小的feature map 双线性插值法 |
|
双线性插值法在两个方向分别进行一次线性插值。 这里写图片描述  
在图像处理的时候，我们先根据 来计算目标像素在源图像中的位置，这里计算的srcX和srcY一般都是浮点数，比如 f（1.2, 3.4）这个像素点是虚拟存在的，先找到与它临近的四个实际存在的像素点 写成 f(i+u,j+v) 的形式，则 u=0.2,v=0.4, i=1, j=3 。 保证了 空间对称性（Alignment），在 RoI Align 中使用。 |
ROI Align因此有人提出不需要进行取整操作，如果计算得到小数，也就是没有落到真实的pixel上，那么就用最近的pixel对这一点虚拟pixel进行双线性插值，得到这个“pixel”的值。 具体做法如下图所示： 
|
|
| --> mask 边界 & 非边界（检测象素梯度变化），分别处理 |
原文：https://www.cnblogs.com/cx2016/p/13023162.html