1. training
1.1. IoU branch training
首先由gt（红色框）生成一些candicates（绿色框）
remove与gt的IOU小于0.5的cadicates
使用PrRoI Pooling提取特征，进入IoU分支进行预测。target就是绿色框与红色框的IoU
iou训练流程
2. Inference
2.1. IoU-guided NMS
image
2.2. Bounding box refinement as an optimization procedure
注意这里是inference阶段，参数都固定下来了
对于预测的boxes，首先通过
PrPool提取出特征feed进IoU branch计算
score再对boxes坐标求导，更新boxes坐标得到new boxes
new boxes进行
PrPool提取特征，在IoU branch计算出new score当
new score与score差别不大，或者执行超过T
image
2.3 PrPool
2.3.1 好处
没有量化误差
2.3.2 三种pooling比较
下图红色虚线是一个bin，并非box
image
ROI Align是在bin中取4个点，通过差值计算出四个点的值，再对四个点avg来代表bin的值PrROI相当于在bin中取无数个点(因为是连续的)，再对这无数个点的值sum, 再除以bin的面积取平均即上图，对
积分，再比上
如何对这无数个点的每一个点计算特征值
bin值计算方式
