上回書(shū)詳細(xì)的介紹了R-CNN的前世今生，在文章的最后同樣拋出了R-CNN中的不足點(diǎn)：其一是檢測(cè)的精度相對(duì)而言比較低条霜，這主要是圖像歸一化時(shí)對(duì)圖像過(guò)度拉伸造成的肩杈，其二是檢測(cè)速度慢径玖，這個(gè)是由于每張圖像需要分割成2000多個(gè)特征區(qū)域瘪贱，然后依次進(jìn)入卷積網(wǎng)絡(luò)造成的。
發(fā)現(xiàn)問(wèn)題下一步就是要解決問(wèn)題牙言。
首先我們來(lái)說(shuō)一下為什么要進(jìn)行圖像的歸一化酸钦。
這樣做的目的是因?yàn)镽-CNN采用的是Alexnet網(wǎng)絡(luò)，而需要特別注意的是Alexnet網(wǎng)絡(luò)的輸入圖像大小是固定大小的咱枉。即227*227像素钝鸽。但是呢，通過(guò)SS算法產(chǎn)生的候選區(qū)域的大小是隨機(jī)的庞钢，也就是說(shuō)拔恰，等待進(jìn)入神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取的候選區(qū)域大小是不一樣的，有的大有的小基括，這樣的話(huà)颜懊，我們就給他歸一化大小唄，統(tǒng)一歸一化成227*227的了风皿。
某國(guó)的整形文化十分厲害河爹，但是長(zhǎng)相不同的人都整成“網(wǎng)紅臉”后，必然不是太自然桐款。即使再高超的整形醫(yī)師咸这，再精湛的“刀工”也是會(huì)留下痕跡的，更何況是簡(jiǎn)單的拉扯魔眨，將大的小的長(zhǎng)的方的圖像強(qiáng)行歸一化成227*227呢媳维？
那么可不可以通過(guò)網(wǎng)絡(luò)結(jié)構(gòu)的整改酿雪，使得任意大小的圖像都可以輸入到卷積神經(jīng)網(wǎng)絡(luò)之中呢？當(dāng)然可以了Ｖ豆簟Ｖ咐琛！下面祭出大神何凱明州丹！
如果你想在目標(biāo)檢測(cè)領(lǐng)域有所斬獲醋安，那么以后你會(huì)經(jīng)常讀到它的論文！
前文中說(shuō)到AlexNet需要固定大小的輸入墓毒，那么究竟是什么地方需要固定大小呢吓揪？通過(guò)分析網(wǎng)絡(luò)，不難發(fā)現(xiàn)所计，在卷積層以及池化層就是在做一些基本的卷集運(yùn)算柠辞，并不需要固定大小的圖像，只不過(guò)是你來(lái)多大的圖像經(jīng)過(guò)運(yùn)算之后醉箕，我給你輸出相應(yīng)大小的圖像罷了。需要固定大小是因?yàn)樵诰矸e層后邊連接的全連接層（FC層）徙垫，F(xiàn)C層需要進(jìn)行全連接操作讥裤，然而一般全連接的節(jié)點(diǎn)數(shù)是固定的嗎，這就造成了輸入進(jìn)全連接層的大小必須是固定的姻报，要不然沒(méi)辦法做運(yùn)算凹河ⅰ！圖像小了吴旋，節(jié)點(diǎn)有富裕损肛，不合適，圖像大了荣瑟，節(jié)點(diǎn)又不夠用了治拿，更不合適。
分析到這里笆焰，何凱明大神好像發(fā)現(xiàn)了其中的玄機(jī)劫谅。既然只要輸入給FC層的圖像大小固定就好了，我為什么需要在一開(kāi)始就做成一般大的叭侣印捏检？基于此，何凱明博士發(fā)表了論文：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》不皆，里面提出了空間金字塔池化贯城，將其接在最后一層卷積層（池化層）與FC層之間，實(shí)現(xiàn)了可以輸入任意大小圖像進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的目的霹娄。
在最后一層卷積層后面加上了如圖所示的結(jié)構(gòu)能犯，具體的做法是在Conv5層會(huì)得到256層的特征圖鲫骗，對(duì)每一層均進(jìn)行空間金字塔池化（Spatial Pyramid Pooling，SSP）悲雳。首先要獲得不同尺寸大小的蒙版挎峦，圖中所示為三種不同大小，分別是4*4,2*2和1*1合瓢，將該蒙板蓋在每一種特征圖像坦胶，在每個(gè)網(wǎng)格中做max pooling，這樣這256層特征圖就做成了16*256晴楔、4*256和1*256維特征顿苇，將其連接起來(lái)便得到了固定長(zhǎng)度的特征向量了，將這個(gè)特征向量輸入到全連接層便可以啦税弃！
既然不需要將2000張候選區(qū)域進(jìn)行歸一化了纪岁，那么自然也就不再需要將每一種候選區(qū)域做一次卷積運(yùn)算了，直接將原圖扔進(jìn)卷積網(wǎng)絡(luò)就可以啦则果，這可是一件了不起的改進(jìn)幔翰，速度可以提升百倍！
其具體的做法是將整張圖像輸入到CNN中西壮，進(jìn)行特征提取遗增，從而得到特征圖（Feature Map），然后再特征圖中尋找早先利用SS算法得到的2K個(gè)候選區(qū)域款青，再將其通過(guò)空間金字塔池化層便OK了做修。
以上便是SPP-Net的精髓了，其改進(jìn)的就是特征提取的步驟抡草。其優(yōu)點(diǎn)是非常明顯的：提高檢測(cè)速度饰及！
但是其并沒(méi)有對(duì)R-CNN進(jìn)行深層次的優(yōu)化，并不是一種end-to-end （端到端）的檢測(cè)算法康震，并且距離端到端的檢測(cè)還稍微有那么一點(diǎn)距離燎含。
有困難不可怕，我們前進(jìn)的路上有大神腿短，下一步便是對(duì)SVM和BBox下手了瘫镇。
未完待續(xù)。答姥。铣除。
