Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition--SPP-net论文笔记

SPP-net解决了传统CNNs网络对输入图像尺寸的限制,并极大提高了R-CNN框架的速度与效率。通过在网络中加入空间金字塔池化层(SPP),使得网络能够处理任意尺寸的图像输入,直接从特征图提取固定长度的特征。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、为什么提出SPP-net

  • 传统的CNNs网络的不足:对输入图像要求固定尺寸,其原因是网络最后面的全连接层要求是固定长度的特征向量。
  • R-CNN框架发现,对图像提完region proposal(2000个左右)之后将每个proposal当成一张图像进行后续处理(CNN提特征+SVM分类),实际上对一张图像进行了2000次提特征和分类的过程,速度很慢!

二、什么是SPP-net

在CNN网络中最后一个卷积层与全连接层之间,嵌入SPP层,对前一个conv层的子区域(对应于候选区域)进行空间金字塔池化(SPP),输出一个固定长度的特征表示。如下图所示,SPP将对应于候选区域的上一层特征图上的子区域提取固定长度特征,其方法是子区域划分为4×4、2×2、1×1的块,然后对每一个这样的块进行池化(pooling)(文章用的是max-pooling),最后将池化后的结果作为输出特征,这个特征的长度是固定的。像在下图中,256是特征图的数量,-d是dimension的意思,不是减d。

SPP-net

三、SPP-net的优点

  • 而SPP-net的图像输入可以任意尺寸。
  • 与R-CNN相比,SPP-net更快、更高效。SPP-net网络对一张图像只处理一次,直接在特征图(feature map)上用SPP提取固定长度的特征; 而R-CNN网络对每一个候选区域(一般有以千计的候选区域)都要经过CNN网络提取特征。

四、SPP-net的缺点

  • 训练分为多个阶段,步骤繁琐: 微调网络+训练SVM+训练训练边框回归器

四、SPP-net的适用场合

  • 图像分类(image classification)
  • 目标检测(object detection)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值