今天准備再更新一篇博客，加油呀~~~
系列博客鏈接：
（一）目標檢測概述 https://www.cnblogs.com/kongweisi/p/10894415.html
（二）目標檢測算法之R-CNN https://www.cnblogs.com/kongweisi/p/10895055.html
本篇博客概述：
1、SPPNet的特點
1.1、映射（減少卷積計算、防止圖片內容變形）
1.2、spp層：空間金字塔層（將大小不同的圖片轉換成固定大小的圖片）
2、SPPNet總結
完整結構+優缺點總結
引言：
前面介紹的R-CNN的速度慢在哪里？
答：每個候選區都要進行卷積操作提取特征。因此，SPPnet孕育而生。
1、 SPPNet
SPPNet提出了SPP層，主要改進了以下兩個方面：
- 減少卷積計算
- 防止圖片內容變形
圖1 R-CNN與SPPNet
圖1中第一行代表R-CNN的檢測過程，第二行是SPPNet的。輸入進R-CNN卷積層的圖像必須固定大小，因此要進過crop/warp，這會使原圖片變形。
而SPPNet直接將原圖片輸入CNN中，獲其特征，使得原圖片內容得以保真。
| R-CNN模型 | SPPNet模型 |
|---|---|
| 1、R-CNN是讓每個候選區域經過crop/wrap等操作變換成固定大小的圖像 2、固定大小的圖像塞給CNN 傳給后面的層做訓練回歸分類操作 | 1、SPPNet把全圖塞給CNN得到全圖的feature map 2、讓候選區域與feature map直接映射，得到候選區域的映射特征向量 3、映射過來的特征向量大小不固定，這些特征向量塞給SPP層(空間金字塔變換層)，SPP層接收任何大小的輸入，輸出固定大小的特征向量，再塞給FC層 |
1.1 映射
原始圖片經過CNN變成了feature map,原始圖片通過選擇性搜索（SS）得到了候選區域，現在需要將基於原始圖片的候選區域映射到feature map中的特征向量。
映射過程圖參考如下：
整個映射過程有具體的公式，如下
假設(x′,y′)(x′,y′)表示特征圖上的坐標點，坐標點(x,y)表示原輸入圖片上的點，那么它們之間有如下轉換關系，這種映射關系與網絡結構有關：(x,y)=(S∗x′,S∗y′)，即
-
左上角的點：
- x′=[x/S]+1
-
右下角的點：
- x′=[x/S]−1
其中 SS 就是CNN中所有的strides的乘積，包含了池化、卷積的stride。論文中使用S的計算出來為=16
原論文鏈接，其中有公式的推導過程 http://kaiminghe.com/iccv15tutorial/iccv2015_tutorial_convolutional_feature_maps_kaiminghe.pdf
1.2 spatial pyramid pooling （空間金字塔變換層）
通過spatial pyramid pooling 將任意大小的特征圖轉換成固定大小的特征向量
示例：假設原圖輸入是224x224，對於conv出來后的輸出是13x13x256的，可以理解成有256個這樣的Filter，每個Filter對應一張13x13的feature map。
接着在這個特征圖中找到每一個候選區域映射的區域，spp層會將每一個候選區域分成1x1，2x2，4x4三張子圖，對每個子圖的每個區域作max pooling，
得出的特征再連接到一起，就是(16+4+1)x256的特征向量，接着給全連接層做進一步處理，如下圖：
2、 SPPNet總結
來看下SPPNet的完整結構
- 優點
- SPPNet在R-CNN的基礎上提出了改進，通過候選區域和feature map的映射，配合SPP層的使用，從而達到了CNN層的共享計算，減少了運算時間， 后面的Fast R-CNN等也是受SPPNet的啟發
- 缺點
- 訓練依然過慢、效率低，特征需要寫入磁盤(因為SVM的存在)
- 分階段訓練網絡：選取候選區域、訓練CNN、訓練SVM、訓練bbox回歸器, SPP-Net在fine-tuning階段無法使用反向傳播微調SPP-Net前面的Conv層