图像如果在输入神经网络前,进行 resizing (Cropping 或者 Warping) ,会改变图像中物体的宽高比,可能会影响算法的性能。
一般将网络中最后的池化层替换为SPP.
SPP的形式主要为:对于每个feature map 使用不同池化尺度,得到不同的池化结果,并将这些结果串联起来
假设有256个feature map
适用于不同大小和不同缩放比的图像,SPP后会得到相同的大小的feature map
SPP 对物体的变形有很好的适应性,相比较于一般的池化操作,它增加了计算量。