上一篇介绍了rpn的结构和具体实现。今天介绍fasterrcnn中的另一个子网，fastrcnn检测网络。网络结构如下图所示，检测网络的具体结构如下图所示。首先，backbone输出的featuremap和rpn网络输出的roi同时进入roipooling层，将每个roi对应的featuremap区域池化成统一大小（7*7）。然后池化的结果进入分类器（VGG网络分类器中的前两个全连接层），最后进入两个不同的全连接层。上面的全连接层输出每个roi的类别概率/得分，下面的全连接层输出每个ROI的坐标偏移量。实现细节fastrcnn的结构比较简单易懂，代码实现也不复杂。这里主要讲解一下ROIPooling是如何实现的。下图演示了ROIPooling的过程。具体过程如下：1.首先获取featuremap上每个roi对应的region，roi_region=np.round(roi*spatial_scale)。2.然后将得到的区域划分成out_h*out_w的格子，每个格子的大小为h//out_h,w//out_w。3.最后，对每个网格进行maxpooling。在下一节中，我将重点介绍Fasterrcnn中的Loss。
