一文搞懂SPP（Spatial pyramid pooling）

最新推荐文章于 2023-04-20 10:05:54 发布
VIP文章 最新推荐文章于 2023-04-20 10:05:54 发布
阅读量7.3k 收藏 24
点赞数 5
分类专栏： DL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nanhnu/article/details/78872815
版权

1、简介

空间金字塔池化，使得任意大小的特征图都能够转换成固定大小的特征向量，这就是空间金字塔池化的意义（多尺度特征提取出固定大小的特征向量），送入全连接层。整体框架大致为：输入图像，卷积层提取特征，空间金字塔池化提取固定大小特征，全连接层。

具体的流程图如下：

 

最低0.47元/天 解锁文章
YangHNU
关注
  • 5
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SPP-net：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
xbcReal的博客
07-25 762
一提到SPP-net就不可避免的会提到R-CNN，那这两者之间是个什么关系呢？通过之前的博客也可以了解到，R-CNN它是用于目标检测的一个框架，它使用了selective search提出了proposals，然后训练AlexNet提取特征，最后通过训练SVM分类器完成分类，从而最终完成detection的功能。那么SPP-net也是一个新的框架吗？我认为应该不能算是一个新的框架，事实上，SPP-n
SPP（Spatial Pyramid Pooling）
fangweijiex的博客
06-13 1356
使用多个窗口(pooling窗口，上图中蓝色，青绿，银灰的窗口， 我们先看最左边有16个蓝色小格子的图，它的意思是将从(conv_5)得到的特征映射分成16份，另外16X256中的256表示的是channel，即SPP对每一层都分成16份(不一定是等比分，原因看后面的内容就能理解了)。 中间的4个绿色小格子和右边1个紫色大格子也同理，即将特征映射分别分成4X256和1X256份 那么将特征映射分成若干等分是做什么用的呢？ 我们看SPP的名字就是到了，是做池化操作，一般选择MAX Pooling，即对每一份进
spatial pyramid pooling(spp)
AliceH1226的博客
12-22 1671
没有spp的网络的缺点 1，现有的dcnn需要固定尺寸的图片作为输入，这样对图片的宽高比和尺寸大小作出了限制。 2，如果图片尺寸是任意的，在输入之前需要做裁剪或图像扭曲(crop or warp(resize))来适应网络的固定尺寸输入。剪切后的图片可能不能包含整个物体。扭曲后的内容可能会导致几何变形。识别准确率会因为物体内容缺失或变形而减低。 使用spp的好处 1，spp能生成一个固定长度的输出，不管输入图片大小是否相同。 2，spp使用多级spatial bins，而sliding window poo
Spatial pyramid pooling回顾
THE XING
08-17 356
  卷积是不具有尺度不变性的，只是类似Spatial pyramid pooling的结构给网络带来了不同尺度下优良的效果。本文需要记录这块的小知识点。 1. SPP-Net   当时为了能让CNN与FC衔接，网络使用不同size，stride的pooling layer，对全连接层前的卷积层进行pooling，然后做flatten 2. PSP Net 17年的一篇cvpr，作者提出pyr...
SPP:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(阅读)
深藏功与名
10-07 2774
SPP-Net已经是很早之前读过的，没有记录，现在整理检测系列的这几篇，这里简单在过一遍。 论文中最重要的部分是SPM，SPM的详细阅读见博客。 先看一下整体sppnet_poster
SPP（Spatial Pyramid Pooling）解读
热门推荐
m0_37799466的博客
12-10 1万+
1.为什么会出现SPP结构，其作用是什么？ 通过Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition论文可以基本了解其作用和基本结构， 从图中可以看到传统的操作是先将原图crop（裁剪/变换，也就是类似resize操作），直接送入卷积层，然后进入全连接分类。但是每幅图像中目标物体位置和大小难以保...
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
05-21
work, we equip the networks with another pooling strategy, “spatial pyramid pooling”, to eliminate the above requirement. The new network structure, called SPP-net, can generate a fixed-length ...
Spatial Pyramid Pooling in Deep Convolutional Networks for Visua
01-25
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
Spatial Pyramid Pooling Net 介绍
09-22
本文档主要介绍了SPP-Net一文中的网络架构和主要思想。
keras-spp代码实现.rar
12-07
(Spatial Pyramid Pooling，SPP)空间金字塔池化讲解及代码实现 神经网络框架版本：tensorflow==1.14;keras==2.2.4
深度学习_目标检测_SPP(Spatial Pyramid Pooling)详解
08-20 3698
目标检测中的SPP模块详解（全网最详细）
空间金字塔池化（Spatial Pyramid Pooling）
酒酿小圆子呀～
04-20 2233
上面这个图可以看出SPPnet和RCNN的区别，首先是输入不需要放缩到指定大小。其次是增加了一个空间金字塔池化层，还有最重要的一点是每幅图片只需要提取一次特征。SPPnet虽然解决了CNN输入任意大小图片的问题，但是还是需要重复为每个region proposal提取特征啊，能不能我们直接根据region proposal定位到他在卷积层特征的位置，然后直接对于这部分特征处理呢？答案是肯定的。
SPP-net(Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)
zzh0908的博客
10-18 532
Abstract  SPP-net提出了空间金字塔池化层来解决CNN只是输入固定尺寸的问题，因为单固定尺寸的输入会影响识别效果，并且对于多尺度图像的情况下鲁棒性不好。SPP-net很好的解决了以上问题，对于任意尺度图像都可以提取出固定维度的特征，实验证明SPP-net对分类任务(不同网络结构)和目标探测任务都有积极的作用。RCNN则是将候选区送入模型，这样会非常耗时，而且SPP-net网络以整张...
【目标检测】SPP-Net (Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)
SmileLing的专栏
04-12 9949
K. He, X. Zhang, S. Ren, and J. Sun. Spatial pyramid pooling in deep convolutional networks for visual recognition. In ECCV, 2014. Kaiming的这篇paper，是在R-CNN的基础上提出了空间金字塔变换层(Spatial Pyramid Pooling)...
SPP pooling layer
yuanchheneducn的博客
10-18 3315
参考：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual RecognitionSPP_net的提出因为传统的CNNs网络只能接受固定size的images。实际上，卷积层可以输入任意尺度的, 但这样就会导致输出的feature map 大小不同；而InnerProduct layer 的输入必须是固定的。因此在CNN
SPP
DL_CreepingBird的博客
11-19 866
SPP详解 上两图：核心思想             上图：spp用于目标检测  算法设计原因： CNN卷积层不需要固定尺寸输入  用于目标检测的优点： １.精度高(多尺度特征) ２．速度快(20-100倍)    SPP网络，我不得不要先说，这个方法的思想在Fast RCNN， Faster RCNN上都起了举足轻重的作用。SPP网络主
空间金字塔池化(Spatial Pyramid Pooling, SPP)
最新发布
06-10
空间金字塔池化（Spatial Pyramid Pooling，SPP）是一种用于图像分类的技术。它允许在输入图像的大小不同的情况下，将其转换为固定长度的特征向量。SPP池化层在输入特征图上创建一系列不同大小的固定尺度的池化窗口...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值