目标检测的任务可以分为两步：选出所有可能存在物体的候选框、判断候选框中的物体是否为前景或者背景。

但是这可能会产生很多的候选区域，如果把它们都喂入CNN，计算量将特别大，这也是rcnn效率低的原因所在。rcnn对每个候选区域都进行CNN计算，而一张图片的候选区域多达2000个。由此产生了ROI pooling。

 

ROI，region of interets。

ROI pooling，它的具体做法是，将输入图像喂入CNN，得到feature map，（以fast rcnn为例）同时用selective search得到候选框，将候选框在特征图中框出来，根据输出层大小计算将候选feature map分成几份，再进行池化，即可得到与输出一样的feature map大小。（与rcnn对比）这样做的好处是，不需要把所有候选区域都喂入CNN计算，只需要计算一次原图就可以，这大大减少了计算量，提高了效率。

 

带有ROI pooling的Fast rcnn网络结构如下：

 

ROI pooling的具体计算过程：

参考文章地址：https://www.cnblogs.com/kk17/p/9693565.html

（1）输入的固定大小8*8的feature map

（2）候选框在feature map上的投影

（3）feature map输出大小为2*2，将其划分为2*2个sections（5/2=2，向上取整）

（4）对每个section做max pooling