SPP，PPM、ASPP、FPN

SPP(spatial pyramid pooling)

        在spp出来之前，所有神经网络都是要输入固定尺寸的图片，比如经常遇到的224×224，图片输入网络前都要resize到224×224，导致图片变形，其中的信息也变形了，从而限制了识别精度。而SPP和ASPP就是为了解决这个问题，它可以让网络输入原图而不必resize。空间池化层实际就是一种自适应的层，这样无论你的输入是什么尺寸，输出都是固定的（21xchannel）

SPP的显著特点是：

1. 不管输入尺寸大小，SPP 可以产生固定尺寸的输出
2. 使用多个不同大小的pooling窗口
3. SPP 可以使用同一图像不同尺寸(scale)作为输入, 得到同样长度的池化特征。

        ROI Pooling是针对RoIs的Pooling，其特点是输入特征图尺寸不固定，但是输出特征图尺寸固定。ROI Pooling的思想来自于SPPNet中的Spatial Pyramid Pooling，在Fast RCNN中使用时，将SPPNet中多尺度的池化简化了为单尺度。