【目标检测算法系列】二、SPP-Net算法

上次我们介绍了R-CNN算法【目标检测算法系列】一、R-CNN算法

这次介绍下SPP-Net算法

SPP-Net算法是在R-CNN的基础上做了相关改进

我们知道，R-CNN算法有几个缺点：

1. 由于CNN网络对输入图像尺寸的固定，所以对于每张图片生成的2000个候选区域，需要进行缩放、扭曲等操作来resize到CNN网络所要求的输入尺寸（224*224），这样就会导致一些特征的丢失，改变，从而影响精确度

2. R-CNN算法中，在通过CNN网络进行特征提取时，需要对每张图片的2000个候选区域分别处理，而这些候选区域中，是有很多重复部分的，所以会导致有很多重复运算，严重影响了RCNN检测的速度

SPP-Net针对RCNN的上述两个问题做了对应改进，从而提高了模型的精度和速度

一、CNN网络中对输入尺寸的固定问题

    我们知道，在RCNN时，需要对输入的候选框的尺寸固定到224*224，为什么需要限制呢？

    深层卷积网络中包含两个大的模块，一个是卷积模块，一个是全连接模块，对于卷积模块，其实并不需要限制图像输入尺寸，因为对于卷积模块中的所有filter来说，都是在与图像进行局部卷积操作，输入图像的不同尺寸，并不会影响filter的尺寸和个数，所以卷积层并不会限制图像尺寸，只是不同尺寸的图像，最后通过卷积模块后，输出的feat