问为什么ssd和yolo没有roi池层？

EN

首先，我们应该理解roi pooling的目的是什么：在功能地图上使用来自提议区域的固定大小的特征表示。因为所提议的区域可能有不同的大小，如果我们直接利用这些区域的特征，它们是不同的形状，因此不能提供给完全连接的层进行预测。(我们已经知道，完全连接的层需要固定的形状输入)。对于进一步的阅读，这里是一个很好的答案。

因此，我们理解roi池本质上需要两个输入，提议的区域和功能映射。正如在下面的图中明确描述的那样

。

那么为什么YOLO和SSD不使用roi pooling呢？仅仅因为他们不使用区域建议书！它们的设计与R-CNN、快速R-CNN、快速R-CNN、YOLO和SSD等模型本质上不同，而R-CNN系列(R-CNN、快速r-cnn、快R CNN)被称为two-stage检测器，因为它们首先提出区域，然后进行分类和回归。

对于one-stage检测器，直接从特征映射执行预测(分类和回归)。他们的方法是在网格中分割图像，每个网格将预测出一个固定数量的边界框，其中有置信度和等级分数。原始的YOLO使用单比例尺特征映射，而SSD使用多尺度特征映射，如下面的图2所示

​

我们可以看到，用YOLO和SSD，最终输出是一个固定形状的张量。因此，它们的行为非常类似于像linear regression这样的问题，因此它们被称为one-stage检测器。