对Fast R-CNN指出Spp-net不能fine tune的一些理解

  最近在阅读目标识别相关的论文，在Fast R-CNN论文中发现了这么一段：
  说的是Rbg大神认为何凯明大神提出的SPP-net不能fine-tune全连接层前面的卷积层网络，百思不得其解，以下是我继续阅读论文后的一些看法：
  无论是在RCNN还是SPP-net中，都是将经过proposal区域框出来的ROI直接处理，无论是直接过svm+bbx regression还是经过ROIPooling等等，这样无疑是打乱了各个图片的proposal，而每个ROI区域的感受野有时可以达到一张原图大小。假设每张图64个ROI，共两张图片，最后有可能相当于处理了64*2共128张图片，这大大增加了计算和存储的开销。
  而在本文中Rbg大神指出，他们采用了mini_batch的处理方法，一个mini_batch只处理2张图片，每张图片选64个ROI区域，这些ROI共享同一个计算和存储资源。
  假设只处理一个ROI区域而其恰好可以感受一整张图片的话，这样和处理一张包含64个ROI区域的特征图差了整整64×的速度，这是令人欣喜的。
  基于此种原因，作者Rbg指出，我们速度快，结合全文指出，我们测得准，综上，我们牛。