SPP-Net可以解决不同的数据集之间Scale不一致的问题

问题描述如下：
数据集A中训练得到的模型Model-A，现在有一个新的数据集B，但是数据集A和B之间的尺寸差异比较大，数据集A中的物体所占的尺寸相较于B而言，尺寸比较小，因此用Model-A对数据B中的图片提取特征的时候，可以对输入图片Resize到一个更大的Size，这样输入到Model-A中的图片中的物体的尺寸就变大了，这种不一致的问题就得到了缓和。

在SPP-Net论文中，作者做了实验，使用尺寸A训练得到的A-SPP-Net，但是在测试的时候，输入尺寸为B，然后使用原来的A-SPP-Net用来对B提取特征，这样取得了最好的效果。（这样主要的原因是：VOC数据集的图片较ImageNet的图片更小）原来的模型是在ImageNet上预训练得到的，然后用到VOC数据集上提取特征，这个时候，把输入的图片的尺寸放大一下，相当于图片的中目标与原来在ImageNet数据集上的目标大小差别更小，然后输入到模型中提取特征，用SVM进行分类，得到的效果最好。