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。