ROI Pooling（Region of interest pooling – 感兴趣区域池化）主要作用：对于不同尺寸的输入目标框，通过roi pooling，将其尺寸变为相同。
作用：
统一预选框尺寸
减轻网络，加速计算
允许端到端的训练模型
步骤：
将区域提案划分为相等大小的部分（其数量与输出的维度相同）
找到每个部分的最大值
将这些最大值复制到输出(max pooling)
例如，下面为常规检测模型框架，
对于输入图片，如下：
此时输入的为N*5，其中N为经过ROI Pooling后的尺寸，“5”分别为框的x,y,w,h和类别。
经过一系列的提取特征，最终我们得到feature map，如下：
则一系列预选框在feature map上的尺寸大小不一样，假设其中一个尺寸如下：
假设N=2，则其进行如下划分，取每一块最大值：
得到，如下：
