为什么ssd和yolo没有roi pooling层？答案

【问题标题】：Why does ssd and yolo has no roi pooling layer?为什么ssd和yolo没有roi pooling层？
【发布时间】：2019-08-30 09:52:46
【问题描述】：

我们知道像faster-rcnn和mask-rcnn这样的对象检测框架有一个roi pooling layer或roi align layer。但是为什么ssd和yolo框架没有这样的层呢？

【问题讨论】：

标签： computer-vision object-detection yolo faster-rcnn

【解决方案1】：

首先我们应该了解roi pooling 的目的是什么：从特征图上的提议区域获得固定大小的特征表示。因为提议的区域可能有各种大小，如果我们直接使用这些区域的特征，它们的形状会不同，因此不能被馈送到全连接层进行预测。（我们已经知道全连接层需要固定的形状输入）。如需进一步阅读，here 是一个不错的答案。

所以我们了解到roi 池化本质上需要两个输入，proposed region 和 feature maps。正如下面的figure 中清楚描述的那样。

那么YOLO和SSD为什么不使用roi pooling呢？仅仅是因为他们不使用区域建议！它们的设计本质上不同于 R-CNN、Fast R-CNN、Faster R-CNN 等模型，实际上 YOLO 和 SSD 属于分类作为one-stage检测器，而r-cnn系列（R-CNN，Fast R-CNN，Faster R-CNN）被称为two-stage检测器，仅仅是因为它们首先提出区域然后执行分类和回归.

对于one-stage 检测器，它们直接从特征图执行预测（分类和回归）。他们的方法是将图像划分为网格，每个网格将预测具有置信度分数和类别分数的固定数量的边界框。原来的YOLO使用的是单尺度特征图，而SSD使用的是多尺度特征图，如下图fig

我们可以看到 YOLO 和 SSD ，最终输出是一个固定形状的张量。因此它们的行为与linear regression 之类的问题非常相似，因此它们被称为one-stage 检测器。

【讨论】：