本文为根据大家的内容的摘取。

一、SPP Net

论文地址：https://arxiv.org/pdf/1406.4729.pdf

1.固定输入图片的尺寸

①取决于全连接层的结构特点

Full Conneted Layer的理解可以看这篇文章https://blog.****.net/goodshot/article/details/79330545

                                                                         

因而全连接层输入神经元与输出神经元的个数都是确定的。

②为什么要选择fc，而不直接使用CONV5的数据？

对比Pool5层以及FC层，可以看出fc层相对的MAP要高很多，尤其是经过预训练后的网络。一方面原因是Pool5层的特征尺寸比较大，另一方面是全连接层特征更加符合类别信息。没有fine-tuning选用Fc6还是Fc7差距并不明显，使用fine-tuning后，Fc7的MAP相较于Fc6有明显的提升。

★2.什么是金字塔池化层？

利用4X4，2x2， 1x1对conv5提取出的feature maps（chanels = 256）进行了划分（不一定是均分），可以得到21个特征块，再对这21个特征快进行maxpooling得到21个特征向量，因而输入图像的尺寸可以是任意的。

 

来源于：https://www.cnblogs.com/marsggbo/p/8572846.html

★3.RCNN、SPP-Net特征提取的对比

RCNN中对提取的region proposal的进行crop、warp处理，损坏图像精度或图像发生变形

 

具体如下

    

 

RCNN 是先将2k个region proposal转换成固定尺寸，后输入到CNN中提取特征向量

SPP-Net  是先用CNN进行一次性特征提取，在feature map中找到region proposal，再对region proposal进行SPP提取特征向量

因而避免了对region proposal进行缩放带来的问题。

4.feature map中的region proposal与原图进行对应

作者位于论文后面的公式说明：

      

https://zhuanlan.zhihu.com/p/24780433

在以上链接中，有对这一部分做了较为详细的讲解。

5.网络的训练方式

①Single-Size-training

②Multi-Size-training

这部分写的不错的文章：http://sinb.github.io/Whatyouknowabout/spp-net-1/

6.SPP-Net的优点

SPP是词袋模型(Bag-of-Words)的扩展.为什么说是扩展?词袋模型没有特征的空间信息(就像它只能统计一个句子中每个单词的词频,而不能记录词的位置信息一样).

在深层CNN里加入SPP会有3个优势:

1) 相比之前的滑动窗池化(sliding window pooling),SPP可以对不同维度输入得到固定长度输出.

2) SPP使用了多维的spatial bins(我的理解就是多个不同大小的窗),而滑动窗池化只用了一个窗.

3) 因为输入图片尺度可以是任意的,SPP就提取出了不同尺度的特征.

这3点可以提高深度网络的识别准确率.
SPP-net既然只在网络的最后几层(深层网络)中加入,而本质上就是池化,所以它可以加入到其他CNN模型中,比如AlexNet.作者的实验表明,加入了SPP的AlexNet效果确实提升了.作者认为SPP应该能提升更复杂的网络的能力.

来源于：http://sinb.github.io/Whatyouknowabout/spp-net-1/