Qu'est-ce que le pooling pyramidal spatial ?

Le Pooling Pyramidale Spatial (SPP) est une technique en vision par ordinateur qui permet d’extraire des caractéristiques de taille fixe à partir d’images d’entrée de tailles différentes sans avoir besoin de les redimensionner au préalable.

L’idée est qu’au lieu d’un simple pooling global (par exemple, max pooling), une hiérarchie de pooling avec différentes tailles de fenêtres est appliquée, divisant l’image en plusieurs niveaux (pyramide), par exemple 1x1, 2x2, 4x4, etc. À chaque niveau, on prend les maxima dans les régions correspondantes, puis tous les résultats sont combinés en un vecteur de longueur fixe.

Cela permet aux réseaux neuronaux de traiter des images de tailles arbitraires, tout en conservant l’information spatiale à différentes échelles.

Exemple : si vous avez une image, vous pouvez la diviser en 4 carrés (2x2), prendre le maximum dans chacun, puis en 16 carrés (4x4), etc., et ensuite combiner toutes ces valeurs en un seul vecteur.

Le SPP est souvent utilisé dans les architectures CNN pour améliorer la flexibilité et la qualité de la reconnaissance.