??????? 前幾個CNN檢測的框架要求網絡的圖像輸入為固定長寬，而SPP-Net在CNN結構中添加了一個實現圖像金字塔功能的卷積層SPP層，用于在網絡中實現多尺度卷積，由此對應多尺度輸入，以此應對圖像的縮放變換和仿射變換。

??????? 原文鏈接：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

??????? 原文鏈接： http://zhangliliang.com/2014/09/13/paper-note-sppnet/

??????? 作者主頁：http://research.microsoft.com/en-us/um/people/kahe/eccv14sppnet/index.html

一、文章的主要思想

? ? ?? 考慮到傳統的CNN構架的輸入圖像的尺寸都是固定的（例如：256*256），這種人工改變輸入圖像的尺寸破壞了輸入圖像的尺度和長寬比例。作者認為卷積層的輸入的尺寸可以是任意，全連接層的輸入是固定不變。針對這個問題，作者提出了spatial pyramid pooling（SPP-net）結構，在目標檢測方面，比R-CNN快30-170倍。

? ? ? ? ? ??

二、spatial pyramid pooling（SPP-net）的優勢

? ? ? ? 1、針對不同尺寸的輸入可以得到相同維度的輸出，而siding window pooling 做不到；

? ? ? ? 2、SPP使用multi-level?spatial bins,?而siding window pooling采用的單一的窗口，multi-level對目標變形非常魯棒；

? ? ? ? 3、由于輸入尺寸的可變性，SPP可以提取不同尺度的特征。

?????????? 這樣就可以省去對輸入圖像進行標準化的麻煩,可以節省大量人力。

三、Deep Networks with Spatial Pyramid Pooling

??? ? 特征提取的過程其實很簡單，就是將SPP放在卷積層的最后一層，pooling層以前，將相當于用SPP代替最后一層pooling。假設最后一層卷積層有256個maps，每個maps的尺寸為a*a，n*n個bins。那么采用窗口win=ceil（a/n）和步長str=floor（a/n）的max-pooling。最后將所有的特征級聯起來作為全連接層的輸入。這樣就保證了無論輸入圖像的尺寸，輸入全連接層的輸入都有同樣的大小。示意圖如下：

??

? ?

? ? ??

? ? ? ? ? ? ?

四、實驗結果

? ? ? ???? 從這個結果來看，確實有不少的提升。在ILSVRC比賽獲得了第二名？

五、論文總結

? ? ?本論文的思想主要還是基于SPM的思想，將CNN和SPM進行了結合，值得借鑒。并且提到了再訓練模型的時候，采用不同的尺寸輸入交替訓練，這種思想還是首次提到。

???? 增加一層神經元消畸變和尺度變換.

總結

以上是生活随笔為你收集整理的CNN结构：SPP-Net为CNNs添加空间尺度卷积-神经元层的全部內容，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。