SPPNet作用
其全称是：spatial pyramid pooling layer (空间金字塔池化层)，从字面意思就能看出来他是利用一组不同尺度大小的pooling算子进行操作，然后拼接结果。金字塔这三个字的含义就是采用了一组一组不同尺度大小的pooling算子，形象地表示从大到小就像一个金字塔一样。
使输入图像尺寸不受限制。卷积神经网络中，如何解决输入不是固定的size？
1）resize输入成固定大小的输入
2）替换网络中的全连接层，对最后的卷积层使用global average pooling
3）加入SPP layer
Global average pooling
例如：最后一层特征图大小为6*6*10，（width,hight,channels）,global average pooling就是将6*6大小的特征图平均采样为一个值，这样最后就输出1*10大小的特征向量，这种方式就只和通道数有关，而与特征图大小没有关系了。
SPP layer
使用不同的size，stride，对全连接层前的卷积层进行不同池化大小的pooling，然后拼接，这样最终的输出一定是（p1*p1+p2*p2+…）*channels, 所以对输入尺寸没有了要求。
SPPNet主要的贡献就是可以使输入尺寸不固定，其他步骤和RCNN类似。
论文中训练时使用了两种方式：一是固定输入尺寸的图片（single size），二是使用180*180,224*224大小的输入(multi-size)，最后在卷积层和全连接层之间加入了SPP pooling layer，论文得出的结论：
spp-pooling层能提升准确率
multi-size training能提高准确率
整张图片比单个照片中的crop作为输入能提高准确率