今天准备再更新一篇博客，加油呀~~~

系列博客链接：

（一）目标检测概述 https://www.cnblogs.com/kongweisi/p/10894415.html

（二）目标检测算法之R-CNN https://www.cnblogs.com/kongweisi/p/10895055.html

 

本篇博客概述：

1、SPPNet的特点

　　1.1、映射（减少卷积计算、防止图片内容变形）

　    1.2、spp层：空间金字塔层（将大小不同的图片转换成固定大小的图片） 

2、SPPNet总结

 　　完整结构+优缺点总结

 

引言：

前面介绍的R-CNN的速度慢在哪里？

答：每个候选区都要进行卷积操作提取特征。因此，SPPnet孕育而生。

（三）目标检测算法之SPPNet

 

1、 SPPNet

SPPNet提出了SPP层，主要改进了以下两个方面：

  • 减少卷积计算
  • 防止图片内容变形

 （三）目标检测算法之SPPNet

　　　　　　　　　　　　　　　　　　　　图1 R-CNN与SPPNet

图1中第一行代表R-CNN的检测过程，第二行是SPPNet的。输入进R-CNN卷积层的图像必须固定大小，因此要进过crop/warp，这会使原图片变形。

而SPPNet直接将原图片输入CNN中，获其特征，使得原图片内容得以保真。

R-CNN模型 SPPNet模型
1、R-CNN是让每个候选区域经过crop/wrap等操作变换成固定大小的图像 2、固定大小的图像塞给CNN 传给后面的层做训练回归分类操作 1、SPPNet把全图塞给CNN得到全图的feature map 2、让候选区域与feature map直接映射，得到候选区域的映射特征向量 3、映射过来的特征向量大小不固定，这些特征向量塞给SPP层(空间金字塔变换层)，SPP层接收任何大小的输入，输出固定大小的特征向量，再塞给FC层

 

 

 

 

 

1.1 映射

原始图片经过CNN变成了feature map,原始图片通过选择性搜索（SS）得到了候选区域，现在需要将基于原始图片的候选区域映射到feature map中的特征向量。

映射过程图参考如下：

（三）目标检测算法之SPPNet

整个映射过程有具体的公式，如下

假设(x′,y′)(x′,y′)表示特征图上的坐标点，坐标点(x,y)表示原输入图片上的点，那么它们之间有如下转换关系，这种映射关系与网络结构有关：(x,y)=(S∗x′,S∗y′)，即

  • 左上角的点：

    • x′=[x/S]+1

  • 右下角的点：

    • x′=[x/S]−1

其中 SS 就是CNN中所有的strides的乘积，包含了池化、卷积的stride。论文中使用S的计算出来为=16

原论文链接，其中有公式的推导过程 http://kaiminghe.com/iccv15tutorial/iccv2015_tutorial_convolutional_feature_maps_kaiminghe.pdf

 

1.2 spatial pyramid pooling （空间金字塔变换层）

通过spatial pyramid pooling 将任意大小的特征图转换成固定大小的特征向量

示例：假设原图输入是224x224，对于conv出来后的输出是13x13x256的，可以理解成有256个这样的Filter，每个Filter对应一张13x13的feature map。

接着在这个特征图中找到每一个候选区域映射的区域，spp层会将每一个候选区域分成1x1，2x2，4x4三张子图，对每个子图的每个区域作max pooling，

得出的特征再连接到一起，就是(16+4+1)x256的特征向量，接着给全连接层做进一步处理，如下图：

（三）目标检测算法之SPPNet

2、 SPPNet总结

来看下SPPNet的完整结构

 （三）目标检测算法之SPPNet

 

  • 优点
    • SPPNet在R-CNN的基础上提出了改进，通过候选区域和feature map的映射，配合SPP层的使用，从而达到了CNN层的共享计算，减少了运算时间， 后面的Fast R-CNN等也是受SPPNet的启发
  • 缺点
    • 训练依然过慢、效率低，特征需要写入磁盘(因为SVM的存在)
    • 分阶段训练网络：选取候选区域、训练CNN、训练SVM、训练bbox回归器, SPP-Net在fine-tuning阶段无法使用反向传播微调SPP-Net前面的Conv层