改进
在检测上，改进R-CNN：用金字塔池化代替wrap，只对图像进行一次卷积，大大缩短rcnn卷积耗时。
原理
使用spatial pyramid layer在特征图上提取特征，可以将任意大小的图像池化生成固定长度的图像表示，以适应FC layer。（任意尺寸输入，固定大小输出）
输入：宽高为w,hconv5的特征图
输出：维度K*M（适应FC的尺寸，根据需要自由设定）
k为filter个数,图中是256
M是块的总数：16+5+1=21块
L-level pyramid pooling
共三层，每层代表三种不同刻度的划分，每一种刻度我们称之为：金字塔的一层
windows size池化尺寸计算：
若金字塔的某一层输出的块为n*n个特征，需要用Windows size进行池化
windows size大小为：win=(w/n,h/n),上取整
步长str=(w/n,h/n)，下取整
RCNN目标检测改进
值得一提的是，sppnet提出的这种金字塔池化来实现任意图片大小进行CNN处理的这种思路，得到了大家的广泛认可，以后的许多模型，或多或少在这方面都是参考了这种思路，就连rg大神，在后来提出的fast-rcnn上也是收益于这种思想的启发。
改的cnn网络部分
提取region proposal部分依然用的是selective search
变：CNN部分，结构用的是ZF-5（单尺度训练），金字塔用了{6x6 3x3 2x2 1x1}，共50个bin
分类器也是用了SVM，后处理也是用了cls-specific regression
将图片缩放到s∈{480,576,688,864,1200}的大小，先对一整张图进行卷积得到特征图，于是得到了6个feature map。尽量让region在s集合中对应的尺度接近224x224，然后再将ss算法提供的2000多个候选区域的位置记录下来，通过比例映射到整张图的feature map上提取出候选区域的特征图B,然后将B送入到金字塔池化层中，进行权重计算.。
如何将图像的ROI映射到feature map？
映射的是ROI的两个角点，左上角和右下角，这两个角点就可以唯一确定ROI的位置了。
将feature map的pixel映射回来图片空间
从映射回来的pixel中选择一个距离角点最近的pixel，作为映射。
作者直接给出了一个很方便我们计算的公式：假设(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：
(x,y)=(S*x’,S*y’)
其中S的就是CNN中所有的strides的乘积。比如paper所用的ZF-5：
S=2*2*2*2=16
而对于Overfeat-5/7就是S=12
左上：
右下：
ref
https://blog.csdn.net/u011534057/article/details/51219959
https://blog.csdn.net/linolzhang/article/details/54344350