本文主要是介绍目标检测：SPP-net，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》论文解读
本文来自Kaiming He大神。
上文说到R-CNN的最大瓶颈是2k个候选区域都要经过一次CNN，速度非常慢。Kaiming He大神最先对此作出改进，提出了SPP-net，最大的改进是只需要将原图输入一次，就可以得到每个候选区域的特征。
概述
在R-CNN中，候选区域需要进过变形缩放，以此适应CNN输入，那么能不能修改网络结构，使得任意大小的图片都能输入到CNN中呢？作者提出了spatial pyramid pooling结构来适应任何大小的图片输入。
网络结构
为什么CNN需要固定输入大小？卷积层和池化层的输出尺寸都是和输入尺寸相关的，它们的输入是不需要固定图片尺寸的，真正需要固定尺寸的是最后的全连接层。
由于FC层的存在，普通的CNN通过固定输入图片的大小来使得全连接层输入固定。作者不这样思考，既然卷积层可以适应任何尺寸，那么只需要在卷积层的最后加入某种结构，使得后面全连接层得到的输入为固定长度就可以了。这个结构就是spatial pyramid pooling layer：
这篇关于目标检测：SPP-net的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
