SPPNet-阅读理解-笔记

论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

翻译：
http://www.dengfanxin.cn/?p=403

理解参考：
http://blog.csdn.net/xjz18298268521/article/details/52681966

创新点，核心技术：
1.使用空间金字塔池化（spatial pyramid pooling）使得结构确定的网络不再需要特定大小的输入，可以给一个网络输入任意大小的图片进行学习。同时还提高了网络的精度。
2.无需特定大小的输入减少了图片信息的丢失和形变，从而提升了精度。
3.实际使用的结构和之前传统的结构对比如下：

4.在物体检测中，相比RCNN的将每一块得到的Region Proposal输入网络进行大量计算，SPPNet只把原始图像输入到网络中进行一次计算，然后在计算后的特征图中提取候选区域的特征。很大的提升了效率。

重要贡献：使得网络不再需要固定大小的输入，