前言：
接着上一篇文章提到的RCNN網絡物體檢測，這個網絡成功的引入了CNN卷積網絡來進行特征提取，但是存在一個問題，就是對需要進行特征提取圖片大小有嚴格的限制。當時面對這種問題，rg大神采用的是對分割出的2000多個候選區域，進行切割或者縮放形變處理到固定大小，這樣雖然滿足了CNN對圖片大小的要求，確造成圖片的信息缺失或者變形，會降低圖片識別的正確率. 如下圖所示：
正文：
何凱明大神在看到RCNN模型，分析了CNN模型的特點后：由卷積部分和全連接兩部分構成，而對於卷積部分而言，比如任意圖片大小(w,h),任意的卷積核size（a,b），默認步長為１，我們都會得到卷積之后的特征圖F(w-a+1,h-b+1)，所以這部分對圖片大小沒有要求，有要求的地方在全連接層（如下圖），全連接層的神經元設定之后是固定的（如圖 Input layer 神經元個數），而每一個都對應者一個特征，rg大神在進入CNN前對圖片進行warp處理，就是為了卷積之后的特征數，能夠和了全連接層的神經元個數相等.
但是何大神覺得，事情還可以更有趣，他提出將特征數據（特征圖）進一步處理，然后拼湊成和神經元個數相同的特征數，這樣就可以不用warp圖片大小也可以獲得相同數量的特征，那么他是咋樣處理這特征圖的呢？
論文中提到，比如我們有一張圖片為例子：
我們對這種圖進行卷積處理（我們以zf為例，最后一個卷積之后得到這樣的特征圖）
這張圖顯示的是一個60*40*256的特征圖,到這兒之后，如果要得到固定的神經元個數，論文中提到的是21，我們就需要將60*40的特征圖，我們暫且稱這個特征圖為feature A,進行處理，怎么處理呢？
我們先貼個圖：
如上圖所示：
我們使用三層的金字塔池化層pooling，分別設置圖片切分成多少塊，論文中設置的分別是(1,4,16),然后按照層次對這個特征圖feature A進行分別
處理（用代碼實現就是for(1,2,3層)），也就是在第一層對這個特征圖feature A整個特征圖進行池化（池化又分為：最大池化，平均池化，隨機池化），論文中使用的是最大池化，
得到１個特征。
第二層先將這個特征圖feature A切分為4個(20,30)的小的特征圖，然后使用對應的大小的池化核對其進行池化得到４個特征，
第三層先將這個特征圖feature A切分為16個(10,15)的小的特征圖，然后使用對應大小的池化核對其進行池化得到16個特征.
然后將這１＋４＋１６＝２１個特征輸入到全連接層，進行權重計算. 當然了，這個層數是可以隨意設定的，以及這個圖片划分也是可以隨意的，只要效果好同時最后能組合成我們需要的特征個數即可
這就是sppnet的核心思想，當然在這個模型中，何大神還對RCNN進行了優化，上面介紹的金字塔池化代替warp最重要的一個，但是這個也很重要，是什么呢？
何大神覺得，如果對ss提供的2000多個候選區域都逐一進行卷積處理，勢必會耗費大量的時間，所以他覺得，能不能我們先對一整張圖進行卷積得到特征圖，然后
再將ss算法提供的2000多個候選區域的位置記錄下來，通過比例映射到整張圖的feature map上提取出候選區域的特征圖B,然后將B送入到金字塔池化層中，進行權重計算.
然后經過嘗試，這種方法是可行的，於是在RCNN基礎上，進行了這兩個優化得到了這個新的網絡sppnet.
值得一提的是，sppnet提出的這種金字塔池化來實現任意圖片大小進行CNN處理的這種思路，得到了大家的廣泛認可，以后的許多模型，或多或少在這方面都是參考了這種思路，就連
rg大神，在后來提出的fast-rcnn上也是收益於這種思想的啟發.
參考:
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition