SPPnet

论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition（ECCV 2014）

1、候选区域选择（Region Proposal：可能出现目标的位置）
用Selective Search方法从每张图像上选取约2000个region proposal

2、获取特征图
通过神经网络获取整张图片的特征图，保持了原始输入的比例关系，包括空间位置等信息。
实际操作：将图像缩放到短边为256，再从中间、四个角裁出224×224。图像通过水平翻转和颜色变换进行数据增强，将裁剪的图片resizing到180*180，将224和180尺度的图片交替训练，模拟不同的输入尺寸（输入的尺寸理论上可以任意大小，文中给出的理由是GPU的实现更适合运行在固定输入图像上）

3、特征映射
将region proposal映射到特征图上得到各个region proposal对应的特征图谱（不需要对每个region proposal重复提取特征，减少计算量）

4、spp层
spp替换pool5，对各个候选框对应的feature map进行金字塔池化，提取出固定长度的特征向量，

• 这样就可以不用将region proposal resize到同一个尺寸，避免改变region proposal 的比例
• 融合了feature map不同的尺度的特征，使算法更robust
  

后面的步骤与R-CNN类似，使用SVM算法对得到的特征向量分类识别，最后两层全连接层会使用Dropout，learning rate起始值是0.01，当错误率停滞后就除以10，测试时将输入缩放到180到224之间进行多尺度测试，其缺点还是流程太复杂

参考文献

【1】目标检测——SPPNet(翻译)
【2】RCNN 系列之SPPNet详解
【3】目标检测（3）-SPPNet