1. ROI Pooling 和 ROI Align 的区别

ROI Pooling

• 对齐到网格单元（snap to grid cell）
  首先将一个浮点数RoI量化为特征映射的离散粒度。表现为RoI对应的特征图的与原始特征图的网格单元对齐。这里为第一次量化操作。
  
• 划分网格为子区域（bin）
  粗略地将网格分为 H × W H\times W H×W（Fast RCNN 中设为 7 × 7 7\times 7 7×7）个子网格区域。将上一步得到的量化RoI 特征进一步细分为量化的空间单元(bin)。这里进行了第二次量化操作
  
• 最大池化操作
  在每一个子区域执行聚合操作得到单元的特征值（一般是最大池化）。对上一步得到的 2 × 2 2\times 2 2×2个子区域分别做最大池化操作，得到 2 × 2 × 512 2\times2\times512 2×2×512的目标特征图。
  
  **通过RoI Pooling, 对于具有不同特征大小的的输入区域, 都可以得到相同大小输出特征。**但是每一次量化操作都会对应着轻微的区域特征错位（misaligned）， 这些量化操作在RoI和提取到的特征之间引入了偏差。这些量化可能不会影响对分类任务，但它对预测像素精度掩模有很大的负面影响。

ROI Align

RoI Align 在 Mask RCNN 中被首次提出。针对RoI Pooling在语义分割等精细度任务中精确度的问题提出的改进方案。
Step：下面以输出目标特征图尺寸大小为 2 × 2 × 512 2\times2\times512 2×2×512进行说明

2. pass