Šta je spatial pyramid pooling?

Просторни пирамидални пуловања (SPP) је техника у рачунарском виду која омогућава екстракцију карактеристика фиксне величине из улазних слика различитих величина без потребе за претходним скалирањем.

Идеја је да се уместо једноставног глобалног пуловања (нпр. max pooling) примени хијерархија пуловања са различитим величинама прозора, делећи слику на више нивоа (пирамиду), на пример 1x1, 2x2, 4x4 итд. На сваком нивоу узимају се максимуми у одговарајућим регионима, а затим се сви резултати комбинују у један вектор фиксне дужине.

Ово омогућава неуронским мрежама да раде са сликама произвољне величине, одржавајући просторне информације на различитим скалама.

Пример: ако имате слику, можете је поделити на 4 квадрата (2x2), узети максимум у сваком, затим на 16 квадрата (4x4) и тако даље, а затим све те вредности објединити у један вектор.

СПП се често користи у архитектурама CNN за побољшање флексибилности и квалитета препознавања.