Kas yra spatial pyramid pooling?

Erdvės piramidinis baseinas (SPP) yra technika kompiuterinio matymo srityje, leidžianti iš išankstinio mastelio keitimo nereikalaujant išgauti fiksuoto dydžio bruožus iš skirtingo dydžio įvesties vaizdų.

Idėja ta, kad vietoj paprasto globalinio baseinavimo (pvz., max pooling) taikoma hierarchija su skirtingo dydžio langais, padalijant vaizdą į kelis lygius (piramidę), pvz., 1x1, 2x2, 4x4 ir kt. Kiekviename lygyje imami maksimumai iš atitinkamų regionų, o visi rezultatai sujungiami į vieną fiksuoto ilgio vektorių.

Tai leidžia neuronų tinklams dirbti su bet kokio dydžio vaizdais, išlaikant erdvines informaciją skirtinguose masteliuose.

Pavyzdys: jei turite vaizdą, galite jį padalinti į 4 kvadratus (2x2), paimti maksimumą kiekviename, tada į 16 kvadratų (4x4) ir pan., ir visus šiuos reikšmes sujungti į vieną vektorių.

SPP dažnai naudojamas CNN architektūrose, siekiant pagerinti lankstumą ir atpažinimo kokybę.