SPPNet学习

论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
论文地址：https://arxiv.org/pdf/1406.4729.pdf

论文目的：
所有的神经网络都是需要输入固定尺寸的图片，比如224224（ImageNet）、3232(LenNet)、96*96等。这样对于我们希望检测各种大小的图片的时候，需要经过crop，或者warp等一系列操作，这都在一定程度上导致图片信息的丢失和变形，限制了识别精确度。

上图为传统卷积与SPPnet网络结构

输入图片尺寸固定原因：
卷积层的参数和输入大小无关，它仅仅是一个卷积核在图像上滑动，不管输入图像多大都没关系，只是对不同大小的图片卷积出不同大小的特征图，但是全连接层的参数就和输入图像大小有关，因为它要把输入的所有像素点连接起来,需要指定输入层神经元个数和输出层神经元个数，所以需要规定输入的feature的大小。

方法研究：Spatial Pyramid Pooling（空间金字塔池化）

上图为整个网络结构，分为卷积块，SPPnet结构，全连接（fc6,fc7）

整个网络结构解析：卷积层输入的任意大小的图片，所以Conv5计算出的feature map也是任意大小的，现在经过SPP之后，就可以变成固定大小的输出了，以上图为例，一共可以输出（16+4+1）*256的特征，16+4+1表示空间盒的数量（Spatial bins），256则表示卷积核的数量（Conv5的channel 数）。