SPP-CNN解决CNN只能处理固定大小的输入图片

普通 CNN(卷积神经网络)只能处理固定大小的输入图片,是因为网络的最后几层(尤其是全连接层)要求输入张量的维度固定。

一、卷积层 (Convolutional Layers)不要求固定尺寸

卷积层的运算是局部的 、共享权重的,例如一个 3×3 的卷积核在整张图上滑动。

这种操作与输入图像的宽高无关(只要比卷积核大),所以输入可以是 32×32、128×128、224×224......

输出的特征图大小会随输入的大小变化而变化。

✅ 因此,卷积层对输入图像大小是灵活的。


🔹 二、全连接层的输入是固定维度的向量

在卷积层之后,特征图通常会被"拉平"(Flatten)成一维向量,然后输入全连接层。例如:

假设卷积层的输出特征图形状为

(Channels,Height,Width)=(256,7,7)

Flatten 后就变成长度为 256×7×7=12544 的向量。

如果这一层连接到一个具有 4096 个神经元的全连接层,那么权重矩阵形状是:

4096×12544

⚠️ 如果输入图片尺寸改变,例如从 224×224改成 256×256,输出特征图大小就不再是 7×7, 可能变为 8×8,
此时 Flatten 后的向量长度也变了,原来的权重矩阵尺寸就不再匹配。

💡三、SPPNet

何恺明等人在2014年ECCV上提出的基于空间金字塔池化(SPP-Net)的卷积神经网络(CNN)物体检测方法(Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)。SPP-Net通过引入空间金字塔池化层,解决了传统CNN需要固定输入尺寸的问题,使网络能够接受任意大小的图片作为输入,并在卷积层与全连接层之间实现特征向量的统一尺寸输出,从而提升了检测精度与计算效率。

SPPNet 的思路非常巧妙:不直接固定输入图像的尺寸,而是固定卷积后输出的"池化特征数量"。

它在卷积层之后加入一个 Spatial Pyramid Pooling (SPP) 层:

  • SPP层可以接受任意大小的特征图;
  • 然后输出一个固定长度的特征向量,用于连接全连接层。

这样,全连接层输入固定,但卷积层输入(即图像大小)就不再受限了。

⚙️ SPP 的核心思想:像"分格子取代表值"

想象你有一张任意大小的图片(比如 400×400,或者 600×300)。

传统方法要先统一缩放成固定尺寸再送进 CNN。

但 SPP 不这么做,而是采取下面的策略:

步骤 1:多尺度划分(不同「网格」大小)

把这张图片(或者更准确地说,是"卷积层输出的特征图")

按照不同的网格标准切成块,例如:

金字塔层级 网格划分 块数(每通道)
第1层 4×4 16个块
第2层 2×2 4个块
第3层 1×1 1个块

这些不同尺度的"划分层级"共同组成了所谓的空间金字塔(Spatial Pyramid)。


步骤 2:块内池化(取每块最强特征)

对于每个划分的块执行一次 池化操作(通常是最大池化 max pooling) 。

也就是说:

  • 每个块 → 输出一个代表值(比如该区域中最强特征)
  • 所有块的代表值拼在一起 → 一组固定长度的特征

例如

16+4+1=21

这就是文字中提到的"输出21个特征"。

无论输入图片原始尺寸是多少,
最后输出的特征数量总是固定的(21个),不再依赖输入大小。

相关推荐
烟小栀8 分钟前
Windows下的深度学习环境配置参考及配置教程
人工智能
tellmewhoisi32 分钟前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
oil欧哟33 分钟前
从产品经理视角拆解 DeepSeek Super-agent:双层路由与异步调度架构
人工智能
张张123y42 分钟前
个人助手型 Agent 的六个工程细节:Hermes 与 OpenClaw 的审批、委派、上下文与调度
网络·人工智能·开源·后端开发·ai agent
Dawson Zhu1 小时前
【模型量化⑦】W4A8与GPTQ-Int4:极限压缩与MLC-LLM部署实战
人工智能·语言模型·架构·aigc·agi
千寻技术帮2 小时前
50055_基于AI的互帮互助小程序(源码+文档+数据库脚本+部署教程)
数据库·人工智能·小程序·毕业设计·springboot·课程设计
天树星智源2 小时前
KV 剪枝的同一个误差,模型确定时只改 1.4% 的 token,不确定时改 65%:接上不确定性,AIME25 端到端快 1.27 倍
人工智能·大模型
AI英德西牛仔2 小时前
PC 用户的效率革命:腾讯元宝导出 Word 指令与“AI 导出鸭”的底层逻辑
人工智能·word·excel·deepseek·ai导出鸭
Flynn Liang3 小时前
多智能体协同不再复杂:Redis Stream 消费者组、幂等与故障恢复
数据库·人工智能·redis·缓存·ai agent·智能体
VIP_CQCRE11 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商