问题抛出：卷积神经网络中，当输入不是固定size时，如何解决？
方案1：对输入进行resize，统一到同一大小。
方案2：取消全连接层，对最后的卷积层global average polling（GAP。
方案3：在第一个全连接层前，加入SPP layer。本文要介绍的。
p.s.以上方案还要实测，具体哪种方案比较好，强烈推荐方案2，3。
以VGG16网络为例，如下图
现有两种规格输入：224*224*3和180*180*3
准备在全连接层前加入spp net，也就是上图7*7*512那一层后。
224*224*3：全连接层前卷积层大小7*7*512
180*224*3：全连接层前卷积层大小5*5*517
由于这样不同大小卷积层全连接到1*1*4096，权值W是不一样的，所以 要统一全连接的输入大小。
SPP layer方法：
用不同size，stride的pooling layer，对全连接层前的卷积层进行pooling，然后做flatten。见下图
输入7*7*512时：
pooling layer1(输出4*4*512): size = 7/4(向上取整)=2, stride = 7/4(向下取整)=1
pooling layer2(输出2*2*512): size = 7/2(向上取整)=4,stride = 7/2(向下取整)=3
pooling layer3(输出1*1*512): size = 7/1(向上取整)=7,stride = 7/1(向下取整)=7
然后做flatten，输出（4*4+2*2+1）*512 = 21*512
输入5*5*512时：
pooling layer1(输出4*4*512): size = 5/4(向上取整)=2, stride = 5/4(向下取整)=1
pooling layer2(输出2*2*512): size = 5/2(向上取整)=3,stride = 5/2(向下取整)=2
pooling layer3(输出1*1*512): size = 5/1(向上取整)=5,stride = 5/1(向下取整)=5
然后做flatten，输出（4*4+2*2+1）*512=21*512
这样全连接层输入都是21*512，是跟网络输入图像size大小无关的。
