SPP-net解决了深度学习网络输入尺寸固定的问题，通过空间金字塔池化层，实现任意尺寸输入并输出固定长度特征。在RCNN基础上，SPP-net提高了目标检测速度，降低了计算成本。它将全连接层前移，允许对整幅图像进行一次卷积，随后使用SPP层进行多尺度池化，确保不同尺寸ROI的特征向量长度一致。SPP层包含多个尺度的池化区域，如6x6、3x3、2x2和1x1，使得网络能够处理不同尺度的输入图像。在训练时，采用多尺度输入，而在测试时可直接应用SPP-net于任意尺寸的图像。
基础框架:
CNN网络需要固定尺寸的图像输入，SPPNet将任意大小的图像池化生成固定长度的图像表示，提升R-CNN检测的速度24-102倍。
固定图像尺寸输入的问题，截取的区域未涵盖整个目标或者缩放带来图像的扭曲。
事实上，CNN的卷积层不需要固定尺寸的图像，全连接层是需要固定大小输入的，因此提出了SPP层放到卷积层的后面，改进后的网络如下图所示：
SPP是BOW的扩展，将图像从精细空间划分到粗糙空间，之后将局部特征聚集。在CNN成为主流之前，SPP在检测和分类的应用比较广泛。
SPP的优点：
1）任意尺寸输入，固定大小输出
2）层多
3）可对任意尺度提取的特征进行池化。
理解池化:
说下池化，其实池化很容易理解，先看图：
R-CNN提取特征比较耗时，需要对每个warp的区域进行学习，而SPPNet只对图像进行一次卷积，之后使用SPPNet在特征图上提取特征。结合EdgeBoxes提取的proposal，系统处理一幅图像需要0.5s。
SPP层的结构如下，将紧跟最后一个卷积层的池化层使用SPP代替，输出向量大小为kM，k=#filters,M=#bins，作为全连接层的输入。至此，网络不仅可对任意长宽比的图像进行处理，而且可对任意尺度的图像进行处理。尺度在深层网络学习中也很重要。
网络训练：
1.multi-size训练，输入尺寸在[180,224]之间，假设最后一个卷积层的输出大小为 a×a ，若给定金字塔层有 n×n 个bins，进行滑动窗池化，窗口尺寸为
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
