SPP-net

SPP-net

---

• 该网络为金字塔网络，即将卷积神经网络的最后一个池化层，替换成高斯金字塔池化。
• 最后一个卷积层的特征进行池化操作，任意大小的feature map首先在特征图上进行不同层次的最大池化，生成1*1，2*2，4*4的1、4、16个特征向量。池化后的特征拼接得到一个固定维度的输出。以满足全连接层的需要。
• 金字塔池化按照下图所示进行池化操作，生成（1+3+16）*256个特征，输入到全连接层。
• 这样不需要将图像进行resize，通过金字塔池化，使得不同的图形得到相同的全连接特征量。

  ---

   

 

上图为SPP-net网络与CNN网络结构图，详细的金字塔池化层如下图所示：

在第二条中所述的：任意大小的feature map首先在特征图上进行不同层次的最大池化，生成1*1，2*2，4*4的1、4、16个特征向量。其池化的步骤为：假设，有一个a×a的特征图，我们想要进行不同尺度的池化，那么池化后的向量数n×n（1*1，2*2，4*4），是由卷积核和移动步长共同决定的，卷积核大小的由计算所得，移动步长由计算所得。因此，

假设特征图为13×13，那么pool3×3是要求池化后具有3×3个特征向量，此时，卷积核的大小为==5，移动步长为==4，如上图所示；同样pool2×2的卷积核大小为==7，移动步长为==6，pool1×1为13和13。然后将pool3×3，pool2×2，pool1×1进行组合。