SPPnet

R-CNNvsSPP net：

SPP net的優(yōu)勢：

1.SPP可以生成固定大小的向量，以此適應fc層所要求的固定輸入

2.多個pooling窗口，可以取出不同層次的特征

3.可以不再限制輸入圖片的尺寸

4.對于每張圖片只需要跑一遍CNN

SPP net的大體步驟：

1.假設原圖輸入是224*224，5個conv layers（以5層卷積為例）卷積出來的輸出是13*13*256（因為最后一層共256個filter），即13*13大小的共256張feature maps；

2.spp一共分3層：

第一層是對整張feature map做池化（最大、均值等）；

第二層是將整張feature map劃分為2*2=4個塊，分別對每個塊做池化；

第三層是將整張feature map劃分為4*4=16個塊，分別對每個塊做池化。

注意！以上步驟每一步的max pooling的window size和stride都不同，具體的計算公式是：win= a/n（上舍入）, str = a/n（下舍入），其中a是原圖經(jīng)過5層卷積后得到的feature map的大小，如果是第三層那么n = 3，以此類推。

舉個栗子：當a = 13時，win = 13/3 = 4.333 ~=5（因為上舍入），str = 13/3 = 4.3333 ~=4（因為下舍入）。所以了第三層的max pooling的sliding window大小就是5*5，stride就是4*4。以此類推。

當然了，每一張圖的max pooling也不一樣。

舉個栗子：當輸入圖像大小= 180*180時，經(jīng)過5層卷積后得到的feature map的大小就是10*10。那么第三層的max pooling的sliding window大小就是a/n = 10/3 = 3.333~=4，stide就是3。以此類推。

具體內容請參考原文：

當輸入是224*224大小的圖像時，5層conv后得到13*13：

當輸入是180*180大小的圖像時，5層conv后得到10*10：

通過以上步驟，最后可獲得1+4+16=21個池化后的特征。

總的來說，在固定spp層數(shù)的前提下，就是根據(jù)圖像的具體大小來設計具體的max pooling。最終保證輸入到fc層的結果是相同維度大小的。