SPP-Net论文详解

自R-CNN出来以后受到了广大的关注和研究，并设法将其优化，解决R-CNN的一些缺点，于是SPP-Net 就出来了。

SPP-Net总体框架图如下

该文章主要改进了以下两点：
1、CNN需要固定输入图像的尺寸，导致不必要的精度损失
2、R-CNN对候选区域进行重复卷积计算，造成计算冗余

 

1、为什么CNNs要固定输入图像的尺寸？

深度卷积神经网络的基础结构分为：卷积层（conv layers）->池化层（pooling layers）->全连接层（fc layers）。我们在设计网络的时候，全连接层的输入维数必须提前固定。从全连接层往前推的话，就必须保持第一层卷积的输入尺寸是固定的，例如227 * 227（ImageNet）、32 * 32（LenNet）等。这也就要求我们在检测图片时，需要将图片经过crop（裁剪）、warp（拉伸）等操作把图片变换成固定尺寸，才能输入神经网络。这些操作在一定程度上会导致图片信息的丢失或者变形。对此SPP-Net提出的解决方案是在最后一层卷积层后用空间金字塔池化层（Spatial Pyramid Pooling）代替普通池化层。

如下图所示
第一行中的图像即为要求固定尺寸输入的CNN对图像的处理方式

第二行为要求固定尺寸输入的CNN (如R-CNN)的处理流程，先将图片按照类似第一行中的方式进行处理，然后输入卷积以及全连接层，最后输出结果

第三行为SPP-Net的处理方式，不固定图像的大小，直接输入给卷积层处理，卷积出来的特征并不是直接输入给全连接层，而是先给SPP层处理，然后得到一个固定长度的输出传给全连接层，最后输出结果。

 

2、R-CNN为什么会有计算冗余？

如下图所示
R-CNN对于一张图片，先使用segment seletive方法提取出约2000个候选区域，然后将这两千个候选区域分别送入网络中ÿ