如何在張量流中實現興趣區域池化層？

Question

我正在嘗試創建Faster RCNN like model。 從功能圖上進行ROI合並時，我陷入了困境。 我知道這里可以使用雙線性采樣，但是對於端到端訓練可能沒有幫助。 如何在張量流中實現此ROI池化層？

Answer 1

顧名思義，雙線性采樣實際上可以用於端到端訓練，因為它基本上是線性運算。 但是，缺點是您的局部最大值（即強激發或某些單位）可能會消失，因為您的采樣點恰好接近最小值。 為了解決這個問題，您可以改用max_pool(features, kernel, stride)操作，其中調整內核和步幅，以便此max pool操作的最終輸出始終具有相同的尺寸。

例如：您的12x12尺寸為12x12並且您希望將其12x12為4x4 ，然后設置kernel=(3,3)和stride=(3,3)可以幫助您實現這一目標，對於每個3x3補丁，相應的特征圖將包含在輸出中。