SPP-Net的浅解

SPP-Net 是针对R-CNN的缺点，做出了改进。想要了解RCNN可以转到上一篇文章RCNN浅解

SPP-Net是何开明大神于2015年发表在IEEE上的论文-《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》
下面看看SPP-Net做了哪些改进的地方。

SPP-Net改进点：

1. 只做一次卷积
2. 提出了“Spatial Pyramid Pooling”（空间金字塔池化）

在SPP-Net中，图像通过一次卷积之后，得到的特征图是任意大小，不能直接送到全连接层，这时候SPP层起作用了。Spatial Pyramid Pooling Layer 类似于ROI Pooling层，SPP是把不同大小的特征图拼接在一起，形成一个新的特征，并保证这个特征大小是一致的，然后送到全连接层进行分类和边界框的回归定位。

SPP-Net的不足：

1. 虽然解决了R-CNN大量冗余的计算问题，但还是继续沿用了R-CNN的训练结构，也训练了SVM分类器， 也单独进行Bbox regression。
2. SPP-Net 很难通过fine-tuning对SPP-layer之前的网络进行参数微调，这样一来，效率会变得很低，是由于 SPP做fine-tuning时输入是多个不同的图片，这样对于每一个图片都要重新产出新的feature map，效率很低，而Fast-RCNN对其进行了改进。

Reference：
https://cloud.tencent.com/developer/news/281788
https://www.cnblogs.com/kk17/p/9748378.html#%E4%B8%80%E6%AC%A1%E6%80%A7full-image%E5%8D%B7%E7%A7%AF