3 SPP模块

在一般的卷积神经网络结构中，卷积层后面通常是全连接层。由于全连接层的特征数是固定的，所以网络输入的图片大小也是固定的。但输入图像的尺寸不能总是满足要求，因此通常会对输入图像进行剪裁、拉伸等预处理。这些处理往往会改变图像的纵横比和尺寸，导致原始图像变形，而何凯明^[20]就提出了一个SPP模型来解决这种问题，与剪裁、拉伸等预处理的区别：

SPP模型的特点有以下几点：

1)对于纵横比和尺寸不同的输入图像，都能产生固定尺寸的输出，降低了过拟合。

2)多个窗口的处理比单一窗口更容易使网络收敛。

3)位于特征提取层后面，不影响特征提取部分的网络结构。

4)可以用于图像分类和目标检测