目标检测——SPP-Net

SPPnet：Spatial Pyramid Pooling in Deep Convolution Networks for Visual Recognition（空间金字塔池化）

一、前言

1、R-CNN这个深度卷积神经网络需要输入固定尺寸的图像，经过Selective Search之后选出的2000个候选框的尺寸必定不同，在传入网络之前，就需要对图像进行截取或者拉伸，这样很大可能改变了图像原来的尺寸，极大影响了检测结果。
2、R-CNN中2000个候选框，需要进行2000次的CNN操作，重复的卷积工作，造成资源消耗，以及时间浪费。

二、创新

针对以上的两个问题，何恺明等人提出一种新的池化方法，即空间金字塔池化。

两大创新：（1）整张图像只需要进一次CNN；（2）任意尺寸的图像均可以，不需要进行进行拉伸截取等操作，经过SPP可以产生固定大小的输出。

使用一个空间金字塔池化层替换原来网络中的最后一个池化层（即最后一个卷积层之后的pool5）

三、SPP-Net流程

讲解SPP-Net的整体的流程：
1.将整张图片输入CNN，进行一次特征提取，得到feature map；
2.在feature map中找到每个候选框对应的特征区域，即存在2000个特征区域；
3.针对各个特征区域，执行金字塔池空间池化层，提取出固定尺度长度的特征向量，接入全连接层

详细讲解一下金字塔池化层的操作：
（例如需要输出21个神经元给全连接层）
下图中黑色图片即是我们的特征图，下一步将图片进行不同尺寸的划分，下图中进行三种size的划分得到44、22、1*1，针对划分之后的图，针对每个框取最大值，得到16+4+1=21个值，作为全连接层的21个神经元。