ROI-Align 原理理解

-----   对背景问题的理解  -----

之前一直在想一个问题：一个Label在原图上标记出一个包含目标的区域。这个框在特征提取后，大小被缩小到了什么程度？

如果这个label框本身就不大，那么经过几层池化之后，是不是在最后的feature map上都没有一个位置，能够对应到这个区域？

目标在特征提取过程中，由于这种深度结构导致目标被【腐蚀】或者说该目标的特征被淹没。

这个问题更广义的描述：针对一个固定网络，多大的框（目标）才能在深度网络提取的特征中至少剩余一个明确的像素点，指向这个目标。

反过来看，也就是说最后一层的feature map上的一个点，映射回原图得到一片感受野，如果目标框比这个感受野还要小，会不会就是过度的特征提取？假设这个思路成立，可能这就是模型能力相对与不同大小的目标而言的一种模糊下界。

    一直在调参，就把这个问题放在这里了。前天师兄让我帮他看看roi-align，扫了一眼发现，其实上面的问题跟align试图解决的问题很相似。不同的是，它不是假设小目标被【腐蚀】了。而是说这个目标其实还能对应上特征图上的某一个小点甚至是区域，但是因为量化问题，使得稍微的一点偏差，对于小目标的特征来说，都影响十足。就好像眼里掉入了一颗灰尘和眼里掉入了一颗小石子的区别。

下面说一说我的解读。

---------------------------

论文：https://arxiv.org/pdf/1703.06870.pdf  Mask-RCNN

代码：https://github.com/matterport/Mask_RCNN

针对问题：roi-pooling的量化误差对小目标的影响

------