SPP全称为Spatial Pyramid Pooling，即空间金字塔池化，听名字就知道是对RCNN的一种变形，目的是为了解决RCNN输入图像的大小固定（224*224）的问题，因为真实照片中的物体的大小并不都一样，对图像就行wrap或者切割，不可避免会造成图像的失真，从而增大运算结果的误差。
SPP与RCNN最大的不同就是SPP使用了一个全连接层，而不进行微调，并且计算region propsal时使用了多个region，从而只计算一次，避免了RCNN中的重复计算。
1、结构比较：
2、RCNN固定输入的原因：
理论上说conv layers（卷积层）可以接受任意大小的输入，RCNN固定输入的限制来源于fc layers（全连接层）
3、SPP的来源
SPP其实很早就应用在CV领域，通过或粗或细的
4、SPP的迭代训练
SPP训练的时候，不是一次输入多个尺寸的图片，而是采用了一个近似的方法，SPP进行多次迭代，每次迭代的时候输入不同的尺寸，但是参数保持一致，从而获得近似结果。
5、extract features
RCNN通过深度卷积网络提取每个候选区域的特征，但是因为一张图片要计算几千个（RCNN是2000）候选区域的特征，每区域的像素是224*224，因此当图片数据比较多时，计算量会特别大。
而SPP每个Window只进行一次卷积计算，从而速度相对于RCNN来说，可以提高几百倍。具体实现流程如下：
文章来源: SPP笔记