pyramid是什么意思

空间⾦字塔池化（SpatialPyramidPooling,SPP）原理及代码实现（Pyt。。。

空间⾦字塔池化(SpatialPyramidPooling,SPP)原理及代码实现(Pytorch)

卷积神经⽹络(CNN)由卷积层和全连接层组成，其中卷积层对于输⼊数据的⼤⼩并没有要求，唯⼀对数据⼤⼩有要求的则是第⼀个全连接

层，因此基本上所有的CNN都要求输⼊数据固定⼤⼩，例如著名的VGG模型则要求输⼊数据⼤⼩是(224*224)。

固定输⼊数据⼤⼩有两个问题：

1.很多场景所得到数据并不是固定⼤⼩的，例如街景⽂字基本上其⾼宽⽐是不固定的。

2.可能你会说可以对图⽚进⾏切割，但是切割的话很可能会丢失到重要信息。

综上，SPP的提出就是为了解决CNN输⼊图像⼤⼩必须固定的问题，从⽽可以使得输⼊图像⾼宽⽐和⼤⼩任意。

1、SPP原理

上图是原⽂中给出的⽰意图，需要从下往上看:

⾸先是输⼊层(inputimage),其⼤⼩可以是任意的进⾏卷积运算，到最后⼀个卷积层(图中是conv5)输出得到该层的特征映射(feature

maps)，其⼤⼩也是任意的。

下⾯进⼊SPP层

我们先看最左边有16个蓝⾊⼩格⼦的图，它的意思是将从conv5得到的特征映射分成16份，另外16X256中的256表⽰的是channel，即

SPP对每⼀层都分成16份(不⼀定是等⽐分，原因看后⾯的内容就能理解了)。

中间的4个绿⾊⼩格⼦和右边1个紫⾊⼤格⼦也同理，即将特征映射分别分成4X256和1X256份。

那么将特征映射分成若⼲等分是做什么⽤的呢？我们看SPP的名字就是到了，是做池化操作，⼀般选择MAXPooling，即对每⼀份进⾏最

⼤池化。

我们看上图，通过SPP层，特征映射被转化成了16X256+4X256+1X256=21X256的矩阵，在送⼊全连接时可以扩展成⼀维矩阵，即

1X10752，所以第⼀个全连接层的参数就可以设置成10752了，这样也就解决了输⼊数据⼤⼩任意的问题了。

注意上⾯划分成多少份是可以⾃⼰是情况设置的，例如我们也可以设置成3X3等，但⼀般建议还是按照论⽂中说的的进⾏划分。

2、SPP公式

3、代码实现

```python

#coding=utf-8

importmath

importtorch

onalasF

#构建SPP层(空间⾦字塔池化层)

classSPPLayer():

def__init__(lf,num_levels,pool_type='max_pool'):

super(SPPLayer,lf).__init__()

_levels=num_levels

_type=pool_type

defforward(lf,x):

num,c,h,w=()#num:样本数量c:通道数h:⾼w:宽

foriinrange(_levels):

level=i+1

kernel_size=((h/level),(w/level))

stride=((h/level),(w/level))

pooling=(((kernel_size[0]*level-h+1)/2),((kernel_size[1]*level-w+1)/2))

#选择池化⽅式

_type=='max_pool':

tensor=_pool2d(x,kernel_size=kernel_size,stride=stride,padding=pooling).view(num,-1)

el:

tensor=_pool2d(x,kernel_size=kernel_size,stride=stride,padding=pooling).view(num,-1)

#展开、拼接

if(i==0):

x_flatten=(num,-1)

el:

x_flatten=((x_flatten,(num,-1)),1)

returnx_flatten

参考代码：

/marsggbo/sppnet-pytorch/blob/master/spp_