Ce este pooling-ul piramidal spațial?

Poolingul Piramidal Spațial (SPP) este o tehnică în viziunea computerizată care permite extragerea de caracteristici de dimensiune fixă din imagini de intrare de diferite dimensiuni, fără a fi nevoie să le redimensionați anterior.

Ideea este că, în loc de un pooling global simplu (de exemplu, max pooling), se aplică o ierarhie de pooling-uri cu dimensiuni diferite ale ferestrelor, împărțind imaginea în mai multe niveluri (piramidă), de exemplu 1x1, 2x2, 4x4 etc. La fiecare nivel, se iau maximele din regiunile corespunzătoare, iar apoi toate rezultatele sunt combinate într-un vector de lungime fixă.

Acest lucru permite rețelelor neuronale să lucreze cu imagini de dimensiuni arbitrare, păstrând informațiile spațiale la diferite scări.

Exemplu: dacă aveți o imagine, o puteți împărți în 4 pătrate (2x2), luați maximul din fiecare, apoi în 16 pătrate (4x4) și așa mai departe, apoi combinați toate aceste valori într-un singur vector.

SPP este frecvent utilizat în arhitecturi CNN pentru a îmbunătăți flexibilitatea și calitatea recunoașterii.