转载自：https://www.bilibili.com/video/BV1st411P7DW
https://blog.csdn.net/qq_35586657/article/details/97885290
比例池化
特征共享
第一个池化层，将feature map分成４x4份然后池化，第二个池化层将feature map 分２x２份，第三个池化层为１x 1。总共输出16+4+1个数就是要输出的21个特征。
对输入图像提取特征，然后在特征层进行区域划分。
由于输入大小可变，spp训练的时候就可以把训练图片按比例缩放。(相同的图片缩放至不同的尺度，相当于扩充了数据集)
ROI Pooling的输入：
网络最后一个卷积层的输出feature map，shape 为(N, W/16, H/16, channels)，除以16是因为使用VGG16的话，会经历四次 2 x 2 的 max poolinig，尺寸相比于图片原始W和H缩小了16倍
ROI(Region of Interest)的坐标，一个N x 5的矩阵，其中N表示ROI的数目。第一列表示图像index，其余四列表示每个矩形框的左上角和右下角坐标（在原图而不是feature map上的坐标值）；
ROI Pooling的输出：
不同ROI对应的相同尺寸的特征向量，shape为(num_ROIs, expected_H, expected_W, channels) ，论文中提到如果使用 VGG-16 的话，expected_H=expected_W=7
ROI Pooling 与 SPP 的区别：
通过上面的介绍，可以看到两者起到的作用是相同的，把不同尺寸的特征输入转化为相同尺寸的特征输出。SPP针对同一个输入使用了多个不同尺寸的池化(4x4,2x2,1x1)操作，把不同尺度的结果拼接作为输出；而ROI Pooling可看作单尺度的SPP，对于一个输入只进行一次池化操作。
Fast RCNN对RCNN的改进：
ROI Pooling的加入，使得Fast RCNN相比于RCNN在两个方面有了较大的改善：
1、由于ROI Pooling可接受任意尺寸的输入，warp操作不再需要，这有效避免了物体的形变扭曲，保证了特征信息的真实性
2、不需要对每个proposal都提取特征，采用映射方式从整张图片的feature map上获取ROI feature区域
除了上述两点，从之前给出的结构图的对比也可以看出还有一个比较明显的改进：
3、RCNN中在获取到最终的特征后先采用SVM进行类别判断，再进行bounding-box的回归得到位置信息。整个过程是个串行的流程，这极大地影响了网络的检测速度。Fast R-CNN中则将Classification和Regression的任务合二为一，变成一个multi-task的模型，实现了特征的共享也进一步提升了速度。