SPPNet
SPP-Net是一种可以不用考虑图像大小，输出图像固定长度网络结构，并且可以做到在图像变形情况下表现稳定。SSP-net的效果已经在不同的数据集上面得到验证，速度上比R-CNN快24-102倍。在ImageNet 2014的比赛中，此方法检测中第二，分类中第三。
SPPNet经典论文《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》
Introduction
SPPNet主要根据针对之前网络的两个方面进行了改进：
１．CNN固定输入的大小，导致不必要的精度损失
２．Ｒ-CNN模型候选区域在CNN内的重复计算，造成的计算冗余
为什么会出现这两个问题，原因如下：
１．一个CNN一般分为两个部分，前面的部分是卷积层，后面的部分是FC层，卷积层不要求固定大小的输入;但是FC层在设计时固定了神经元的个数，需要固定长度的输入，因此就需要在输入的时候固定输入图像的大小。但是在对候选区域进行预处理的时候，可能会让图片不完整或失真，因此造成了一定程度的识别精度损失。
解决方案：
SPPNet的解决办法是使用“空间金字塔变换层”将接收任意大小的图像输入，输出固定长度的输出向量，这样就能让SPPNet可接受任意大小的输入图片。
２．在R-CNN中，每个候选区域都要经过CNN提取特征向量，一张图片有2000个候选区域，也就是一张图片需要经过2000次CNN的前向传播，这2000重复计算过程会有大量的计算冗余，耗费大量的时间。
解决方案：
SPPNet提出了一种从候选区域到全图的特征映射(feature map)之间的对应关系，通过此种映射关系可以直接获取到候选区域的特征向量，不需要重复使用CNN提取特征，从而大幅度缩短训练时间。
通过以上的介绍我们发现ＳPPNet主要有两个难点：一是空间金字塔的是怎样工作的，二是ＳPPNet如何把特征区域的feature map映射出来的。
下面一一来解决这两个问题：
空间金字塔变换层
经典论文：
空间金字塔变换层(Spatial Pyramid Pooling,SPP)可以对图片提取特征，例如下图就是1*1，2*2，4*4大小的bin块，将一张图片以三种方式切割并提取特征，这样我们可以得到一共1+4+16=21种特征，这就是以不同的大小的bin块来提取特征的过程就是空间金字塔变换。
上图spp layer分成1x1(塔底)，2x2(塔中)，4x4（塔顶）三张子图，对每个子图的每个区域作max pooling(论文使用的)，出来的特征再连接到一起，就是(16+4+1)x256的特征向量。
无论输入图像大小如何，出来的特征固定是(16+4+1)x256维度。这样就实现了不管图像尺寸如何，SPP层的输出为(16+4+1)x256特征向量。
候选区域映射特征向量
SPP-net 是把原始ROI的左上角和右下角 映射到 feature map上的两个对应点。 有了feature map上的两队角点就确定了 对应的 feature map 区域(下图中橙色)。
如何映射？
左上角的点(x,y)映射到 feature map上的(x′,y′) :使得(x′,y′) 在原始图上感受野（上图绿色框）的中心点 与(x,y)尽可能接近。
参考链接：
