簡介

空間金字塔池化，使得任意大小的特征圖都能夠轉換成固定大小的特征向量，這就是空間金字塔池化的意義（多尺度特征提取出固定大小的特征向量），送入全連接層。整體框架大致為：輸入圖像，卷積層提取特征，空間金字塔池化提取固定大小特征，全連接層。

具體的流程圖如下：

具體算法的大體流程

首先通過選擇性搜索（selective search）

對待檢測的圖片進行搜索出2000個候選窗口。這一步和R-CNN一樣。

特征提取階段

這一步就是和R-CNN最大的區別了，同樣是用卷積神經網絡進行特征提取，但是SPP-Net用的是金字塔池化。這一步驟的具體操作如下：把整張待檢測的圖片，輸入CNN中，進行一次性特征提取，得到feature maps，然后在feature maps中找到各個候選框的區域，再對各個候選框采用金字塔空間池化，提取出固定長度的特征向量。而R-CNN輸入的是每個候選框，然后在進入CNN，因為SPP-Net只需要一次對整張圖片進行特征提取，速度是大大地快啊。江湖傳說可一個提高100倍的速度，因為R-CNN就相當于遍歷一個CNN兩千次，而SPP-Net只需要遍歷1次。

最后采用SVM算法進行特征向量分類識別，和R-CNN一樣

關鍵步驟解釋：

如何在feature maps中找到原始圖片中候選框的對應區域：

候選框是通過一整張原圖片進行檢測得到的，而feature maps的大小和原始圖片的大小是不同的，feature maps是經過原始圖片卷積、下采樣等一系列操作后得到的。

直接利用計算的公式：假設(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：

(x,y)=(Sx’,Sy’)

其中S的就是CNN中所有的步長（strides）的乘積，反過來，通過(x,y)坐標求解(x’,y’)，那么計算公式如下：

x’=x/S+1

輸入原圖片檢測到的windows，可以得到每個矩形候選框的四個角點，然后再根據公式：

Left、Top: x’=x/S+1

Right、Bottom： x’=x/S-1

空間金字塔池化如何提取特征，得到固定大小的特征向量：

我們假設一個很簡單兩層網絡：輸入一張任意大小的圖片,假設其大小為(w,h)，輸出21個神經元。也就是我們輸入一張任意大小的特征圖的時候，我們希望提取出21個特征。空間金字塔特征提取的過程如下：

如上圖所示，當我們輸入一張圖片的時候，我們利用不同大小的刻度，對一張圖片進行了劃分。上面示意圖中，利用了三種不同大小的刻度（4*4,2*2,1*1），對一張輸入的圖片進行了劃分，最后總共可以得到16+4+1=21個塊，我們即將從這21個塊中，每個塊提取出一個特征，這樣剛好就是我們要提取的21維特征向量。第一張圖片,我們把一張完整的圖片，分成了16個塊，也就是每個塊的大小就是(w/4,h/4);第二張圖片，劃分了4個塊，每個塊的大小就是(w/2,h/2);第三張圖片，把一整張圖片作為了一個塊，也就是塊的大小為(w,h)。空間金字塔最大池化的過程，其實就是從這21個圖片塊中，分別計算每個塊的最大值，從而得到一個輸出神經元。最后把一張任意大小的圖片轉換成了一個固定大小的21維特征（當然你可以設計其它維數的輸出，增加金字塔的層數，或者改變劃分網格的大小）。上面的三種不同刻度的劃分，每一種刻度我們稱之為：金字塔的一層，每一個圖片塊大小我們稱之為：windows size了。如果你希望，金字塔的某一層輸出n*n個特征，那么你就要用windows size大小為：(w/n,h/n)進行池化了。

轉自 ： https://blog.csdn.net/xzzppp/article/details/51377731

總結

以上是生活随笔為你收集整理的空间金字塔池化（Spatial Pyramid Pooling）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。