目标检测—SSP net网络
ssp net网络其实是在RCNN网络的基础之上做的一些变动,目的是为了解决RCNN其中包含的一些问题,在了解SSP net之前,先需要了解一下两个知识点:感受野和金字塔池化~~
SSP net感受野
上图中,由map1到map3,是在做卷积的过程,其feature map一直在缩小。map3所对应的map1感受野其实就是11 * 11的图片区域,对应于map2感受野其实就是7 *7的图片区域~上述公式其实是由卷积公式的推导:
只不过卷积的计算公式是由上一层的大小计算下一层的feature map的大小,而感受野的大小是由下一层计算上一层的feature map的大小~
举个栗子~~
上图中右边的feature map中棕色区域3,其上一层的感受野其实就是左边feature map中棕色的3 * 3区域,其感受野的中心店就是5。
特征金字塔池化
问:在CNN卷积中,当输入的图像大小不一致的时候,如何解决?
• 方式一:对输入进行crop、padding、resize等操作,将其统一到相同大小。
• 方式二:在CNN之后,不进行FC全连接操作,将全连接转换为Global Average Pooling(GAP)操作。
• 方式三:在CNN之后,FC操作之前,加入SSP Layer操作。
其中,在SSP net网络中,就是采用的是方式三~
SPP net网络
SPP net网络解决了RCNN其中的几个主要缺陷:
1.使用full-image卷积仅需要对原图像经过一次卷积操作就提取完所有区域的高阶特征属性。
2.使用SPP结构支持候选框大小可大可小,解决了R-CNN中候选框crop/warp 所带来的问题。