SPPnet詳解

RCNN系列：RCNN，SPPNet，Fast RCNN，Faster RCNN，R-FCN。
作者是何凱明

SPPNet出現的原因

之前的網絡，比如LeNet，AlexNet，ZF，VGG等，它們的輸入都是固定大小的，為什么要固定大小吶？原因就在最后連接的全連接層上。全連接層的輸入一定是固定大小的。這一點很容易理解，因為全連接層網絡就是傳統的神經網絡，傳統的神經網絡的輸入層必定是固定大小的。而卷積神經網絡的conv層的輸入并不需要固定大小，
那么conv層不用固定大小，FC層的輸入又要固定大小，那么在這兩者之間加上一層SPP即可解決這個問題了。

在此之前，需要將圖片經過crop（裁剪）、warp（拉伸）等操作把圖片變換成固定尺寸，才能輸入神經網絡。這些操作在一定程度上會導致圖片信息的丟失或者變形。對此SPPnet提出的解決方案是在最后一層卷積層后用空間金字塔池化層（Spatial Pyramid Pooling）代替普通池化層。

優點是：
1.它解決了深度卷積神經網絡（CNNs）的輸入必須要求固定圖像尺寸（例如224*224）的限制。
2.在目標檢測領域它提高了提取特征的效率，速度相比R-CNN提升24-102倍。

原理

總結

以上是生活随笔為你收集整理的SPPnet详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。