Что такое spatial pyramid pooling?

Spatial Pyramid Pooling (SPP) — это техника в компьютерном зрении, которая позволяет извлекать фиксированного размера признаки из входных изображений разного размера без необходимости их предварительного масштабирования.

Идея в том, что вместо простого глобального пулинга (например, max pooling) применяется иерархия пуллингов с разным размером окон, разбивая изображение на несколько уровней (пирамида), например 1x1, 2x2, 4x4 и т.д. На каждом уровне берутся максимумы по соответствующим регионам, а затем все результаты объединяются в один вектор фиксированной длины.

Это позволяет нейросети работать с изображениями произвольного размера, сохраняя пространственную информацию на разных масштабах.

Пример: если у вас есть изображение, вы можете разбить его на 4 квадрата (2x2), взять максимум в каждом, затем на 16 квадратов (4x4) и так далее, а потом объединить все эти значения в один вектор.

SPP часто используется в архитектурах CNN для улучшения гибкости и качества распознавания.