原文傳送門：https://www.jianshu.com/p/884c2828cd8e

本篇主要簡述SPP中的spatial pyramid pooling，力求簡單明瞭，一看就懂。

spp提出的初衷是為了解決CNN對輸入圖片尺寸的限制。由於全連線層的存在，與之相連的最後一個卷積層的輸出特徵需要固定尺寸，從而要求輸入圖片尺寸也要固定。spp-net之前的做法是將圖片裁剪或變形（crop/warp），如下圖所示

crop/warp的一個問題是導致圖片的資訊缺失或變形，影響識別精度。對此，文章中在最後一層卷積特徵圖的基礎上又進一步進行處理，提出了spatial pyramid pooling，如圖2所示：

空間金字塔池化（spatial pyramid pooling）的網路結構如下圖：

簡而言之，即是將任意尺寸的feature map分別切分成16、4、1份，再對每一份進行池化操作，將池化後的結果拼接得到固定長度的特徵向量（圖中的256為filter的個數），送入全連線層進行後續操作。

後來的Fast RCNN網路即借鑑了spp的思想。