深度学习笔记（一）空间金字塔池化阅读笔记Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

m0_49230748: 博主好！请问能列一下参考文献吗？没看懂

anco0923: 另外有一个问题，比如我的输入变化很大，有的1000x1000，有的500x500，经过比如5层卷积后，特征图大小是变化的，这时如果要固定输出，就必须用到adaptivepooling。那么，SPP的价值是什么呢？和adaptivepooling不就是一个东西么？我总不能每次都手动计算好池化的参数把，那样其实也已经固定了输入了

anco0923: 最后解释有误（应该是笔误），按照原文，conv5的输出为256,13,13 (通道数，高，宽)的特征图，SPP的池化左侧输出4x4，中间输出2x2，右侧输出1x1，即左侧对13x13这样256张图像进行减采样，减采样至4x4，而非原文的3x3。stride和filter_size可以通过池化公式 new_size = (I - F) /S +1得到，F是池化的窗口大小（几个元素选一个），S是步长。比如最左侧的输出大小4x4，那么4 = (13 - F)/S+1 得到可行的F，S = 4, 3，而非博客所写的4,5。

m0_61254808: 听君一席话如听一席话

哦-是我: 这也算heatmap吗