对 SPP-net 论文的一个大致翻译

SPP-net
论文翻译：

摘要：
现存的深度卷积神经网络需要一个固定大小的输入图像。这种要求是人为的，而且可能对任意尺度和大小的图片的识别精度造成影响。在我们的工作中，我们给CNN加入一个空间金字塔池化层(spatial pyramid pooling layer)，为了消除上述那种对图像固定大小的要求。新的网络结构叫做SPP-net,这个网络不管图像的尺度和大小如何，都可以生成一个固定长度的向量来表示图片。通过消除了固定大小的限制，我们可以改善所有的基于CNN的图像分类方法。
在目标检测中，SPP-net的作用更加明显，使用SPP-net，我们对整幅图像只需要进行一次特征图计算，然后将任意区域的特征向量池化，生成一个固定长度的表示，然后再训练检测器。我们的方法避免了重复计算特征图。
1. 引言
CNN主要包括两部分：卷积层和全连接层。实际上，卷积层不需要固定尺寸的图像，可以生成任意尺寸的特征图，而全连接层需要输入固定尺寸。这样，固定尺寸的约束只来自于全连接层，而全连接层处于网络比较深的层级。
在本文中，我们在最后一个卷积层的后面加了一个SPP layer ,这个SPP layer 将特征转化成特定长度的输出，然后将它们输入全连接层。
我们注意到SPP对于深度CNN有一些值得一提的性能：1.SPP不管输入尺寸如何，它都可以产生一个固定长度的输出，但是之前深度CNN中的滑动窗口池化不行。2.SPP使用多级空间bins,而滑动窗口只使用一个单窗口尺寸。众所周知，多级池化对目标变形具有鲁棒性。3.SPP可以在任意尺度提取特征，因为输入特征尺度的灵活性。
SPP-net在目标检测领域也显示了强大的力量。在R-CNN中，提取特征非常费时，因为它是将每幅图像产生的上千个区域重复的送入CNN中提取特征。在本论文中，不管将这个图像分成了多少个区域，对于一整幅图像我们只运行一次卷积神经网络，然后对得到的特征图用SPP-net提取特征。这种方法对CNN加速超过了100多倍。

2. 带有spatial pyramid pooling 的深度网络
2.1 卷积层和特征图
2.2 空间金字塔池化层 spatial pyramid pooling layer
为了使深度网络适应于任意大小的图像，我们将第五层池化层换成了spatial pyramid pooling layer,对于每一个滤波器得到的特征图，我们分别对其进行不同尺度的池化，（采用的是最大池化，最大池化就是求每一个块中的最大值）（采用几种不同的spatial bins 对每一个特征图进行最大池化）。

3. 训练
3.1 单尺寸训练
对加入SPP层的固定大小的CNN网络训练。在单尺寸训练时，实现了一个224x224固定大小的含SPP层的CNN的训练。
3.2 多尺寸训练
将224x224大小的图像croping 成180x180大小，然后我们又实现了一个180x180大小的固定尺寸的含SPP层的CNN，该网络与之前的224x224固定尺寸的CNN网络的参数都相同。即通过两个固定尺寸输入的网络共享参数实现了一个变尺寸输入的SPP-net。
我们在一个网络上训练一个周期，然后转换到另一个网络，同时把上一个网络的所有参数复制到这个网络，然后再对这个网络训练一个周期，依次交替迭代。
多尺寸训练的目的是在利用现存的已经优化好的固定尺寸的CNN网络的情况下，仿真变换输入尺寸的情况。理论上，我们可以使用更多尺度和长宽比的图像，每一个网络对应每一个尺寸或每一个长宽比，所有的网络共享参数。

参考：
http://blog.csdn.net/u011534057/article/details/51219959