Spatial Pyramid Pooling空间金字塔池化

本文探讨了在卷积神经网络(CNN)中引入空间金字塔池化(SPP)层的方法,以解决输入图像尺寸变化的问题。SPP层在最后一层卷积层后替代传统池化,生成固定长度的向量供全连接层使用,有效提升了模型对不同尺寸图像的适应性和分类准确率。

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

在这里插入图片描述
一般cnn的输入需要固定尺寸的image,往往通过裁剪crop和形变wrap来实现,
cnn可以分为两部分,前部分为卷积池化层提取特征,后部分为全连接层,前部分对输入图像size并没有固定要求,但是全连接层神经元个数要求与前部分生成feature map 相match,作者提出在前后部分之间增加SPP

SPP的训练方法:将不同size图像分为不同epoch,每个epoch输入一批相同size图像

作者说spp还能提高分类和物体识别准确率

在这里插入图片描述
在最后一层卷积层之后不使用pooling层,使用spp,如上图,经过卷积层生成feature map 256通道,再使用maxpooling分别生成16x256(相当于将特征图分成16x16,对其进行maxpooling), 4x256, 256维向量,拼接在一起,生成固定长度向量,导入全连接层。
特别的,最后一个pooling为global pooling,a global average pooling is used to reduce the model size and also reduce overfitting

假设 最后一层feature map 输出为axa=10x10
use win = (a/n)取上整 and str = (a/n) 取下整 to implement each pyramid pooling level

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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