参考：https://www.jianshu.com/p/670a3e42107d

候选框从原图坐标映射到的feature map坐标时，位置坐标可能存在浮点数，此时进行取整操作从而出现第一次量化；其次，在ROI Pooling求取每个小网格的位置时也同样存在浮点数取整的情况。这两次量化的结果都使得候选框的位置出现了偏差。

 

RPN推荐128个rois（对于原图的坐标），当和feature一起传入 Fast-RCNN时，rois的坐标会映射到 feature map上，按照缩放因子，rois坐标会缩放16，然后把rois缩放后映射在 feature map 上的框进行一个 roi pooling（这里rois坐标可能是浮点型，但是feature map上是整形，会有精度损失）。比如 feature map 为 36x49(wxh)，rois中一个坐标映射为（xmin=15,ymin=17,xmax=29,ymax=30）但是要输出 7x7，就是rois会分成7*7个小网格，每个小网格的大小bin_w，bin_h多少？为：bin_w = ((29-15)/7) = 2 bin_h = ((30-17)/7) = 1.85（这里有小数，所以会掉丢小数，会有精度损失）所以，w分为7*2，h分为 7*x，因为算下来感觉应该是6个2*1+1个2*7，应该如下所示，同种 颜色代表同个bin单元：