目标检测：fast-rcnn学习上

R-CNN非常缓慢，因为通过 Selective search得到的2000个目标区域，再进入CNN网络中2000次运算需要大量的时间。SPP-Net试图解决这个问题（对特征提取部分的升级，也要得到2K的候选框，但不是以前2K个候选框逐个提取特征）。

使用SPP-net（空间金字塔池化网络），先对一整张图进行一次卷积得到整张图的卷积特征。然后卷积特征中找到对应的2000多个候选区域的位置框，送入到空间金字塔池化层中，对2000多个候选区域的位置卷积提取特征，就可以完成特征提取工作。速度更快。

还有一个挑战：我们需要为CNN的全连接层产生固定维度大小的输入，SPP-net使用了更多的技巧，可以输入任意尺寸的图像。不像ｒ-cnn需要固定输入图像尺寸，有时候会丢失数据。它在最后的卷积层之后使用空间金字塔（spatial pooling ），而不是传统上使用的最大池化（max-pooling）。SPP层将任意大小的区域划分为恒定数量的bins，并且在每个bin上执行最大池化（max-pooling）。由于bins的数量保持不变，所以如下图所示产生固定维度的特征向量。

以上是sｐp-net的核心部分，下面开始详细讲解spp-net的空间金字塔原理。

空间金子塔池化简称ＲＯＩ池化层，一般跟在最后一层卷积层后面，它的输入可以是任意大小的卷积特征（所以在ＣＮＮ输入的时候也就是任意尺寸的图像。相比ｒ-cnn的ＣＮＮ需要固定输入图像尺寸，输入图像经过缩放会数据丢失），输出的是固定维度的特征向量。

如上面我们的卷积层，每层代表一个通道，有２５６层即２５６个通道。每层里面取最大池化得到最右边的２５６－ｄ的特征

同样的方法，我们对一层平均分成　1/２　ｘ 　1/2大小的网格，图中绿色部分代表一层，共有２５６层，也是取最大池化得到

中间的４ｘ 256－ｄ的特征。

继续同样的方法，对一层平均分成　1/４　ｘ 　1/４大小的网格，图中蓝色部分代表一层，共有２５６层，也是取最大池化得到

左边的１６ｘ 256－ｄ的特征。

最后将这１＋４＋１６＝２１个特征输入到全连接层。我们发展池化层的输入于卷积层的尺寸无关，得到的特征数目不变。

小结：

ｓｐｐ-net 也是要２ｋ个候选框，但只进行了一次运算，更高效。在输入给ＣＮＮ时候，不用对２ｋ个框统一尺寸，减少数据丢失，因为对ＣＮＮ的最后一层卷积层加了金字塔池化层，再输入给全连接层提取特征。整体思路还是提取候选框，特征提取，svm分类，定位。

值得一提的是，spp－net提出的这种金字塔池化来实现任意图片大小进行CNN处理的这种思路，得到了大家的广泛认可，以后的许多模型，或多或少在这方面都是参考了这种思路，就连在后来提出的fast-rcnn上也是收益于这种思想的启发.