Spatial Pyramid Pooling

最新推荐文章于 2023-09-15 16:14:26 发布
最新推荐文章于 2023-09-15 16:14:26 发布
阅读量719 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaolt90/article/details/107855814
版权

简介

Spatial Pyramid Pooling即空间金字塔池化，是大神何凯明与2014年在论文《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》中提出。

Spatial Pyramid Pooling主要功能是将不同尺寸的输入转化为固定尺寸的输出，使得神经网络在训练过程和推理过程都能摆脱对固定尺寸的依赖，避免了因为适应固定尺寸对原始图片进行裁剪（crop）或者变形（wrap）引起的信息丢失和位置信息扭曲。

具体结构

在这里插入图片描述
如上图所示：SPP分别以1/4,1/2,1倍feature size的尺寸划定pooling区域，分别对划定区域执行pooling操作，得到3个输出feature，维度分别为16 * 256, 4 * 256，1 * 256。最终通过对3个feature进行整合即可得到固定尺寸的输出。

linton68
关注
专栏目录
检测分割算法改进(篇三) ASPP(Atrous spatial pyramid pooling)模块
认真努力，做一只会飞的毛毛虫。
02-08 2万+
ASPP是一个模块，可以被我们放在任何地方，比如下图： 来源：ASPP(Atrous spatial pyramid pooling)最早来自DeeplLab v2网络，后在DeepLab v3网络中得到改进加强，本文以DeepLab v3中的ASPP结构进行分析和源码实现。 模块目的：在不改变shape即不降采样的前提下增大网络的感受野，增强网络获得多尺度上下文的能力。 模块结构： 一共并联四个分支，第一个分支为1×1的普通卷积层。 第二和第三个分支采用一个3×3的膨胀卷积，不同
空间金字塔池化（Spatial Pyramid Pooling）
酒酿小圆子呀～
04-20 2600
上面这个图可以看出SPPnet和RCNN的区别，首先是输入不需要放缩到指定大小。其次是增加了一个空间金字塔池化层，还有最重要的一点是每幅图片只需要提取一次特征。SPPnet虽然解决了CNN输入任意大小图片的问题，但是还是需要重复为每个region proposal提取特征啊，能不能我们直接根据region proposal定位到他在卷积层特征的位置，然后直接对于这部分特征处理呢？答案是肯定的。
讲解 Spatial Pyramid Pooling
qq_43703185的博客
07-13 866
原文链接：https://zhuanlan.zhihu.com/p/34788333?utm_source=ZHShareTargetIDMore SPP背景传统CNN所需要的固定维度输入这一限制,是造成任意尺度的图片识别准确率低的原因.传统的CNN需要先对训练图片进行处理,使其维度相同.具体有两种做法,裁剪(cropping)和扭曲(warping).如下图.缺点是:裁剪了的区域可能并不包含整个物体,而扭曲则会带入几何方面的失真.另外,即使是裁剪和扭曲,我们仍然是认为规定了一个输入尺度,而真实的物体尺度很
Spatial Pyramid Pooling Net 介绍
09-22
本文档主要介绍了SPP-Net一文中的网络架构和主要思想。
空间金字塔池化Spatial Pyramid Pooling
null的专栏
11-15 979
针对不同大小的输入图像，在传统CNN网络中，需要首先将图像通过裁剪或者拉伸等变换转换到固定大小，通过分析，不同尺寸的输入主要是对全连接层有影响，SPP-Net中，在全连接层之前引入Spatial Pyramid Pooling Layer，可以将任意大小的输入转换成固定大小的输出。
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
05-21
work, we equip the networks with another pooling strategy, “spatial pyramid pooling”, to eliminate the above requirement. The new network structure, called SPP-net, can generate a fixed-length ...
Spatial Pyramid Pooling in Deep Convolutional Networks for Visua
01-25
"Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition"（空间金字塔池化在深度卷积网络中的应用）研究中，研究人员引入了一种更为合理的池化策略——“空间金字塔池化”（Spatial ...
spatial pyramid pooling（空间金字塔池化）
最新发布
weixin_41927751的博客
09-15 200
空间金字塔池化，何凯明的文章。用于解决一个很简单且现实的问题，因为R-CNN网络或者其他的网络，最终需要统一图片的尺寸以及大小，然后继续送入后续的网络中。一般来说，为了得到固定尺寸的图片，有两种做法：1) croping裁剪；2) warping变形。即对于多尺度问题，提前设定好的尺寸大小是不利的。
SPP(Spatial Pyramid Pooling)详解
weixin_34242509的博客
05-23 1768
一直对Fast RCNN中ROI Pooling层不解，不同大小的窗口输入怎么样才能得到同样大小的窗口输出呢，今天看到一篇博文讲得挺好的，摘录一下，方便查找。 Introduction 在一般的CNN结构中，在卷积层后面通常连接着全连接。而全连接层的特征数是固定的，所以在网络输入的时候，会固定输入的大小(fixed-size)。但在现实中，我们的输入的图像尺寸总是不能满足输入时要求的大小。然而...
Spatial Pyramid Pooling（空间金字塔池化）-变尺度CNN训练
热门推荐
沈春旭的博客
09-08 2万+
1. 需求创造好的产品，产品拓宽原始的需求 当前的深度神经网络一般都需要固定的输入图像尺寸（如224*224）. 这种需求很明显是人为的，潜在性的弊端会降低识别精度（为了使图像尺寸相同，一定会涉及到图像的比例/非比例放缩，这就引入了尺度误差和形变误差）。何凯明师兄的这项工作主要是讲多分辨率搜索的思想融入到了现有的深度网络中，从而实现了多尺度网络的训练以及识别，进而提升了图像分类和目标检测的精度（...
SPP（Spatial Pyramid Pooling）
fangweijiex的博客
06-13 1382
使用多个窗口(pooling窗口，上图中蓝色，青绿，银灰的窗口， 我们先看最左边有16个蓝色小格子的图，它的意思是将从(conv_5)得到的特征映射分成16份，另外16X256中的256表示的是channel，即SPP对每一层都分成16份(不一定是等比分，原因看后面的内容就能理解了)。 中间的4个绿色小格子和右边1个紫色大格子也同理，即将特征映射分别分成4X256和1X256份 那么将特征映射分成若干等分是做什么用的呢？ 我们看SPP的名字就是到了，是做池化操作，一般选择MAX Pooling，即对每一份进
spatial pyramid pooling(spp)
AliceH1226的博客
12-22 1687
没有spp的网络的缺点 1，现有的dcnn需要固定尺寸的图片作为输入，这样对图片的宽高比和尺寸大小作出了限制。 2，如果图片尺寸是任意的，在输入之前需要做裁剪或图像扭曲(crop or warp(resize))来适应网络的固定尺寸输入。剪切后的图片可能不能包含整个物体。扭曲后的内容可能会导致几何变形。识别准确率会因为物体内容缺失或变形而减低。 使用spp的好处 1，spp能生成一个固定长度的输出，不管输入图片大小是否相同。 2，spp使用多级spatial bins，而sliding window poo
空间金字塔池化SPP（Spatial Pyramid Pooling）
g11d111的博客
06-24 1万+
前言 何凯明大神于2014年在《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》，这篇paper主要的创新点在于提出了空间金字塔池化。这个方法对于目前很多任务非常实用，尤其是现在的神经网络算法叠加的情况下（即前一个神经网络输出的结果是下一个神经网络的输入），很多输出的图片尺寸或者说b...
空间金字塔池化（Spatial Pyramid Pooling，SPP）
学无止境、积少成多、厚积薄发
08-06 4603
一、为什么需要SPP 卷积神经网络（CNN）是由卷积层和全连接层组成，其中卷积层对于输入数据的大小并没有要求，唯一对数据大小有要求的则是第一个全连接层，因此基本上所有的CNN都要求输入数据固定大小，例如著名的VGG模型则要求输入数据大小是（224*224） 固定输入数据大小有两个问题： 很多场景所得到数据并不是固定大小的，例如街景文字基本上其宽高比是不固定的，如下图所示红色框出的文字。 可能你会说可以对图片进行切割，但是切割的话很可能会丢失重要信息。 综上，SPP的提出就是为了解决CNN输入图像大小必
空间金字塔池化(Spatial Pyramid Pooling, SPP)
qqliuzihan的博客
07-26 2万+
Introduction 主要参考这两篇博客: https://blog.csdn.net/yzf0011/article/details/75212513 https://blog.csdn.net/u011534057/article/details/512...
Spatial Pyramid Pooling（SPP）原理简介
yanghao201607030101的博客
10-21 1867
b站这个Up主讲的挺好，就是莫名其妙搞个背景音乐怪怪的。。。视频讲解 Spatial Pyramid Pooling（SPP）中文叫空间金字塔池化 这个原理要解决的是传统CNN网络对输入图片尺寸要固定这个限制，比如AlexNet中的输入图片都有固定此村224×224，RCNN中为了讲Proposals 做CNN卷积提取特征也得先将不同大小的Proposal经过wrap缩放成同一大小。 那为什么CNN要求输入的图片尺寸固定呢？ 因为CNN中的最后的全连接层的输入尺寸是固定的（别问我全连接层为什么输入尺寸是固定
spatial pyramid pooling
03-16
空间金字塔池化(Spatial Pyramid Pooling)是一种图像分类中常用的特征提取方法，它可以用来处理不同尺寸的图像。该方法将图像划分成不同的网格，然后在每个网格中提取特征，最后将所有网格的特征拼接起来形成最终的特征向量。这样可以保证不同尺寸的图像都可以被正确地提取特征。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值