SPP-net详解：
简要概述：SPP-net网络是基于R-CNN结构改进，且仅在候选区域特征提取，以及特征向量大小转化两个方面做出改进，如详细理解SPP-net请先阅读目标检测开山之作R-CNN详解，文章链接：。
由于R-CNN速度慢的特征，每张图片分割为2000个大小不等的候选区域，每个候选区域经过CNN进行特征提出，是一个非常耗时的过程。针对R-CNN，SPP-net提出两点改进来提高速度，下面一一介绍。
1.减少卷积运算
（1）卷积过程
一张图片经过选择性搜索（Selective Search）算法得到2000个候选区域，在R-CNN中，这2000个候选区域经过大小变化之后进入CNN网络进行特征提取，需经过2000次卷积运算，而在SPP-net中，图片首先进行卷积操作得到一个Feature map，再将这2000个候选区域一一映射到Feature map中，只进行一次卷积运算，R-CNN、SSP-net网络结构对比如下：
（2）映射过程
原始图片经过CNN变成了Feature map，原始图片通过选择搜索（SS）得到候选区域，现需要将基于原始图片的候选区域映射到Feature map中的特征向量，具体流程图如下（蓝色区域为候选区域，黄色区域为映射到Feature map中的区域）：
具体映射公式如下：
为原图中候选区域的坐标，
为Feature map中对应的候选区域坐标
其中S就是CNN中所有stride的乘积，包括卷积，池化的stride，在论文中S=2*2*2*2
2.增加SPP层（Spatail Pyramid Pooling）
通过SPP层将特征图转化为固定大小的特征向量，SPP层将每个候选区域分成4*4，2*2,1*1三个子图，将每个子图每个区域做Max pooling，假设原图输入是224*224，CNN卷积输出通道为256，得到到特征图连接在一起就是（16+4+1）*256=5376个结果，将这个结果传给特征向量训练分类器SVM进行后续步骤。
Spatial bins（空间盒子个数）：16+4+1=21
总结：
优点：SPPNet在R-CNN的基础上提出了改进，通过候选区域和Feature，map的映射，配合SPP层的使用从而达到了CNN层的共享计算，减少了运算时间，后面的FastR-CNN等也是受SPPNet的启发
缺点：训练依然过慢、效率低，特征需要写入磁盘(因为SVM的存在)，分阶段训练网络:选取候选区域训练CNN、训练SVM、训练bbox回归器
