mask rcnn 中 ROI Align及SmoothL1loss

ROI pooling层

说起ROI Alignment，就要说道faster-rcnn的ROI pooling，
ROIpooling层结构是为了将原图像的rois映射到固定大小的feature map上。而此方法有一些缺点，会带来边缘像素的缺失。

• 回顾ROIpooling。
• 具体caffe层可以观察ROIpooling层解析

ROI Align的作用

如果roi大小为(7,6)，而roipooling是分成了(6,6)的部分，(7,6)到(6,6)的转换必然带来了边缘某像素的损失。而roialign利用双线性插值，将roi(7,6)插值扩充到(12,12)，此时再做(6,6)的roipooling，会提高精度，充分利用了roi的像素。

SmoothL1Loss

faster rcnn的源码理解（一）SmoothL1LossLayer论文与代码的结合理解
SmoothL1LossLayer 计算一张图片的损失函数

λ1Nreg∑ipi∗Lreg(ti,ti∗)(1)

• i ： mini-batch 的 anchor 的索引。
• pi：目标的预测概率。
• pi∗：target二分类是否有物体，有物体为1，否则为0。
• ti是一个四点向量，预测坐标
• ti∗是一个四点向量，是ground truth boungding box的坐标（真实坐标）

Lreg(t,t∗i)=R(ti−ti∗)(2)

bottom[0]预测坐标，即 ti
bottom[1]target坐标，即ti∗
bottom[2]inside，有物体，即有前景(foreground)时为1，否则为0，即pi∗
bottom[3]outside，没有前景（fg）也没有后景（bg）的为0，其他为1/（bg+fg），对应于加号右边的系数部分。

Lreg的公式如下，其中 x=ti−ti∗，

smoothL1(x)={0.5x2,if|x|<1|x|−0.5,otherwise(3)

pi∗Lreg(ti,ti∗)表明只有有fg（20个物体类别）的才有regression loss.