SPP(spatial pyramid pooling) 空间金字塔池化

（1）SPP层能达到什么样的效果？

由于全连接层对数据大小的输入是由要求的，比如要求是256*1才能输入到全连接层里面，那你288*1的特称图就不能输入到全连接层了。

SPP层能达到的效果是：不管你的特征图是size多大的（随便来一个size大小都可以），只要输入到SPP层里面，出来的特征图都是固定的、特定的size，比如就是固定的256*1，不管你输入特征图是多少，从SPP层里出来，最后都是256*1

（2）假设你输入特征图是M*M大小，想要得到一个N*N大小的输出特征图，需要size多大的池化核以多长的步长stride来对输入特征图做padding？

根据你输入的特征图的size和期望输出的特征图的size，来确定池化的window size和stride步长

比如：你输入一个C*M*M(其中C为通道数)的特征图，想要得到一个C*N*N的特征图

那么就可以求出：window size=M/N(向上取整),stride=M/N(向下取整）

（3）SPP就是将一个输入特征图得到多个大小不一样的输出特征图，然后将这些特征图进行flatten（铺平，展成一维数组），然后这些一维数组再进行拼接（concatenate）最后就可以将拼接得到的特征图送到FC（全连接层）去进行分类

下面的图里面就是一个输入特征图分别得到一个4*4的输出特征图，一个2*2特征图以及一个1*1特征图（通道数都为256），展平，拼接后得到256（16+4+1）*1大小的特征图。不管你输入特征图size是多少，都会得到一个4*4的输出特征图，一个2*2特征图以及一个1*1特征图

（4）SPP还可以和空洞卷积相结合，得到ASPP(atrous spatial pyramid pooling）

借鉴SPP金字塔池化的思想，用不同膨胀率的卷积核作卷积，一个输入特征图也可以得到几个不同的输出特征图（如下图：分别采用1*1卷积核卷积，3*3卷积核膨胀率dilation rate=6卷积，3*3卷积核膨胀率dilation rate=12卷积，3*3卷积核膨胀率dilation rate=18卷积，再将得到的四个结果进行concat拼接）

总结：一个输入特征图，得到几个固定大小（但大小不一样）的输出的特征图，自上而下从小到大摆放，就像一个上小下大的金字塔，所以叫金字塔池化。

SPP(spatial pyramid pooling) 空间金字塔池化相关推荐

SPP: Spatial Pyramid Pooling
paper: Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition code: https: ...
空间金字塔池化(Spatial Pyramid Pooling, SPP)原理和代码实现(Pytorch)
想直接看公式的可跳至第三节 3.公式修正一.为什么需要SPP 首先需要知道为什么会需要SPP. 我们都知道卷积神经网络(CNN)由卷积层和全连接层组成,其中卷积层对于输入数据的大小并没有要求,唯一对 ...
Spatial Pyramid Pooling（空间金字塔池化）-变尺度CNN训练
1. 需求创造好的产品,产品拓宽原始的需求当前的深度神经网络一般都需要固定的输入图像尺寸(如224*224). 这种需求很明显是人为的,潜在性的弊端会降低识别精度(为了使图像尺寸相同,一定会涉及到图 ...
[Neck] 空间金字塔池化【池化策略】(Space Pyramid Pool, SPP)模块和路径聚合网络【增强】(Path Aggregation Network, PANet)的结构
文章目录背景 yolo v4 中的空间金字塔池化(Space Pyramid Pool, SPP)模块和路径聚合网络(Path Aggregation Network, PANet)的结构 SPP ...
深入理解空间金字塔池化（SPP，ASPP）
读Lawin Transformer这篇论文,里面有介绍到在Transformer结构中使用ASPP,有很多细节没有理解,于是打算从CNN里的SPP开始学习. SPP[Space Pyramid Po ...
CNN应用之SPP（基于空间金字塔池化的卷积神经网络物体检测）-ECCV 2014-未完待续
基于空间金字塔池化的卷积神经网络物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187655 作者:hjimce 一.相关理论本篇博文 ...
空间金字塔池化SPP
空间金字塔池化 1.提出的原因下面这里是我们在网上反复可以看见的话(所以关键是理解这些内容): 提出的原因: 在SPP提出之前,传统的网络具有它有两大缺点: 1.通常需要输入固定大小的图片来进行训练 ...
基于空间金字塔池化的卷积神经网络物体检测
基于空间金字塔池化的卷积神经网络物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187655 作者:hjimce 一.相关理论本篇博文 ...
深度学习（十九）基于空间金字塔池化的卷积神经网络物体检测-ECCV 2014
基于空间金字塔池化的卷积神经网络物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187655 作者:hjimce 一.相关理论本篇博文 ...

SPP(spatial pyramid pooling) 空间金字塔池化

SPP(spatial pyramid pooling) 空间金字塔池化相关推荐

最新文章

热门文章