由SPPnet有关解决深度网络输入必须固定的问题思考

       今天在看和目标检测相关的系列论文（rcnn-sppnet-fast-rcnn,faster-rcnn），在看到SPP-net时，提到sppnet解决了深度网络要求输入必须固定的问题。而且分析了深度网络需要固定输入尺寸的原因是因为有全链接层，那么是为什么呢？

     仔细思考下，在有卷积层和全连接层的深度神经网络，不同大小的输入图片对卷积参数的训练是没有影响的（不同大小的输入图片对卷积核的尺寸和个数以及其训练均无关），但加上全连接后，最后的卷积层的输出要与首个fc层的所有节点进行全连接操作。这里以首层fc有4096个节点为例。当输入图片的尺寸为size1时，最后的卷积输出为output1个feature 节点，则fc层中全连接形式是output1与4096全连接；当输入图片的尺寸为size2时，最后的卷积输出为output2个feature 节点，则fc层中全连接形式是output2与4096全连接，若output1>output2，且output1-output2=out，那么当size2大小的图片输入进神经网络后，在第一个fc层会出现在最后的卷积输出的特征中缺少out个特征节点与其相互全连接。 

因此，这就是为什么因为由全连接的存在深度网络需要固定输入尺寸。