一、公用特征Feature Maps的获取
二、Region Proposal Network
Feature Maps[bs,1024,38,38]经过3*3卷积，然后分别经过两个1*1的卷积，通道数分别为18，36
18 = 9*2 代表每个位置9个先验框为背景和目标的概率
36 = 9*4 代表每个位置9个先验框的坐标调整参数（Faster Rcnn也是有先验框的）
先验框 + 位置调整参数 = 建议框
建议框的初筛
由于建议框非常多，要对建议框进行初筛，先根据建议框是目标的分数，选出得分最高的前K个建议框，再进行NMS，然后再选出得分最高的前K个建议框。如一张照片有300个建议框。
三、ROI Pooling
根据建议框的参数，在Feature Map上裁剪出对应特征，比如[1024,82,79],每个特征的大小是不一样的。
1.ROI Pooling 的输入
ROI Pooling 该层有两个输入：
- feature maps，如[bs，1024，38，38]；
- 一个表示所有 ROI 的 N*5 的矩阵，其中N表示ROI的数目。一列表示图像index，其余四列表示其余的左上角和右下角坐标，如[[x1,y1,x2,y2,index1],]；
2.ROI Pooling 的输出
输出特征为[bs,k,1024,14,14],其中k为一张图片有k个建议框，14 * 14为pooling后的大小
eg：
如feature maps [1024,8,8],一号建议框坐标[0,3,7,8,1]，其中（0,3），（7,8）左下角坐标和右上角坐标，输出为2 * 2
3. RoI pooling 与RoI Align区别
参考： https://blog.csdn.net/Tian__Gao/article/details/124474448?ops_request_misc=&request_id=&biz_id=102&utm_term=roi%20pooling&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-6-124474448.142^v93^chatgptT3_2&spm=1018.2226.3001.4187
3.1RoI pooling
实际得到的建议框往往不是整数，即上图绿色框。（网格的像素值在网格左上角顶点）
将实际顶点对其到离他最近整数节点
3.2 RoI Align
如Roi 后的图像大小为K * K
首先将建议框划分为 K * K个区域，每个区域选择4个采样点，利用双线性插值求出采样点的像素，最后对该4个像素平局池化，即得到此区域的像素
四、边界框的类别预测与坐标回归
RoI pooling后的输出特征[bs,k,1024,14,14] ,经过全局平局池化[bs,k,1024],然后经过两个线性层
nn.Linear(1024, n_class) 进行类别预测， nn.Linear(1024, n_class * 4) 进行坐标回归预测。
