一、网络介绍
参考文章：R-FCN详解
论文地址：Object Detection via Region-based Fully Convolutional Networks
R-FCN是Faster-RCNN的改进型，其速度提升了2.5倍以上，并略微提高了准确度。
二、论文创新
提出Position-sensitive score maps来解决目标检测的位置敏感性问题
位置敏感性
分类网络的位置不敏感性
检测网络的位置敏感性
三、R-FCN思路
如下图所示，主体部分和Faster-RCNN一样：
- 图片首先进入特征提取网络
- 然后进行分支操作：
- RPN部分没什么改变，输出两个损失函数判断anchor是否是前景，然后筛选出特定个数的候选框
- 下面支路进行卷积输出即为position-sensitive score map，本层不改变大小，输出维度是重点：K*K*(C+1)
- 下图并未画出来，还需要一个卷积支路输出K*K*4通道的特征，称作位置敏感得分映射，用于回归位置修正
position-sensitive score map 分类信息处理
下面我们来着重讲解下面支路的处理。
接前一段所述，我们的到K*K*(C+1)维的features，这里的C+1表示的就是分类数（包含背景类别），而K我们可以理解为Faster-RCNN的ROIing后输出的尺度K*K，以下图为例，这里我们的K实际就是3，对应着ROIPooling后输出3*3的小图，了解了这个事实，我们来讲解为什么这样做。
看到上图，了解Faster-RCNN的同学可能疑惑：K*K*(C+1)的features为什么ROIPooling后维度变为C+1了？实际上这里的操作并不是标准的ROIPooling：我们的features实际被分成K*K组，每组C+1层，每组对应ROIPooling后的结果的一个位置（如图ROIPooling输出3*3共九个点，所以我们需要9组）。
RPN获取候选框后，我们在position-sensitive score map找到对应的位置，然后对应位置ROI操作对应的features组，以上图来看，输出左上角的橙色数字来源于第一组的C+1层features的候选框区域的左上角（比较拗口，对比颜色很容易理解）。
这么做的目的就是：我们希望这K*K组features，每组对应于候选物体的对应部分（比如识别一匹马，其中一组对应一匹马图片的左上角位置，这里经常出现马头、马尾巴这样），使得分类任务具有位置敏感性。
ROI示意如下：
和Faster-RCNN类似，从RPN产生后开始，各个候选区域的处理（ROI及其之后）不再共享，有多少候选框，计算多少次。
分类信息ROI结果处理
ROI之后获得的K*K*（C+1）特征对应于C+1个分类，直接求和（或者平均池化）为C+1向量即可，softmax处理一下，获取最终的分类信息。
回归信息处理
我们的到的是K*K*4通道的features，类似分类，使用ROI处理，获取K*K大小4通道的特征，进而类似获取4个值作为该ROI的x,y,w,h的偏移量，其思路和分类完全相同。
Loss计算及其分析
这个Loss就是两阶段目标检测框架常用的形式。包括一个分类Loss和一个回归Loss。lamdy用来平衡两者的重要性。对于任意一个RoI，我们需要计算它的softmax损失，和当其不属于背景时的回归损失。这很简单，因为每个RoI都被指定属于某一个GT box或者属于背景，即先选择和GT box具有最大重叠率（IOU）的Rol，然后在剩余的Rol中选择与GT box的重叠率值大于0.5Rol进行匹配操作，最后将剩余的Rol都归为背景类。即每个Rol都有了对应的标签，我们就可以根据监督学习常用的方法来训练它。