SPP(spatial pyramid pooling) 空间金字塔池化

 （1）SPP层能达到什么样的效果？

由于全连接层对数据大小的输入是由要求的，比如要求是256*1才能输入到全连接层里面，那你288*1的特称图就不能输入到全连接层了。

SPP层能达到的效果是：不管你的特征图是size多大的（随便来一个size大小都可以），只要输入到SPP层里面，出来的特征图都是固定的、特定的size，比如就是固定的256*1，不管你输入特征图是多少，从SPP层里出来，最后都是256*1

（2）假设你输入特征图是M*M大小，想要得到一个N*N大小的输出特征图，需要size多大的池化核以多长的步长stride来对输入特征图做padding？

根据你输入的特征图的size和期望输出的特征图的size，来确定池化的window size和stride步长

比如：你输入一个C*M*M(其中C为通道数)的特征图，想要得到一个C*N*N的特征图

那么就可以求出：window size=M/N(向上取整),stride=M/N(向下取整）

（3）SPP就是将一个输入特征图得到多个大小不一样的输出特征图，然后将这些特征图进行flatten（铺平，展成一维数组），然后这些一维数组再进行拼接（concatenate）最后就可以将拼接得到的特征图送到FC（全连接层）去进行分类

下面的图里面就是一个输入特征图分别得到一个4*4的输出特征图，一个2*2特征图以及一个1*1特征图（通道数都为256），展平，拼接后得到256（16+4+1）*1大小的特征图。不管你输入特征图size是多少，都会得到一个4*4的输出特征图，一个2*2特征图以及一个1*1特征图

（4）SPP还可以和空洞卷积相结合，得到ASPP(atrous spatial pyramid pooling）

借鉴SPP金字塔池化的思想，用不同膨胀率的卷积核作卷积，一个输入特征图也可以得到几个不同的输出特征图（如下图：分别采用1*1卷积核卷积，3*3卷积核膨胀率dilation rate=6卷积，3*3卷积核膨胀率dilation rate=12卷积，3*3卷积核膨胀率dilation rate=18卷积，再将得到的四个结果进行concat拼接）

 

总结：一个输入特征图，得到几个固定大小（但大小不一样）的输出的特征图 ，自上而下从小到大摆放，就像一个上小下大的金字塔，所以叫金字塔池化。