本文参考如下博客:
https://blog.csdn.net/H_hei/article/details/87298459
https://blog.csdn.net/u012938704/article/details/71185126
引入SPP的原因:
卷积层和池化层是滑动窗操作,可以接受任意大小的图片输入,而全连接层是向量与矩阵乘操作,因此需要固定大小的输入(参数的个数固定),因此需要固定全连接层的前一层的尺寸,若无SPP则需要固定输入图片的大小来保证全连接层的参数固定,为了适应输入任意尺寸的图片所以引入SPP
SPP结构图如下:
SPP说明:
SPP是接在最后一层卷积层之后,替换原来的池化层,以便输入给全连接层的特征个数保持固定。SPP是对最后一层卷积层的特征图做不同的分割操作,如把一张特征图分割为2份,或者分割为4份等,如图分割可以输出21x256维的的向量。
SPP池化窗大小以及步长的计算:
若输入特征图为axa,输出为nxn,则win=[a/n],str=[a/n]