插一句，我又回來啦~

這篇論文主要採用“位置敏感度圖”的方法，將FCN 網路引入到目標檢測中來，將影象分類和目標檢測很好地結合。因此這種方法可以和很多FCN中的影象分類框架結合，比如ResNets等，使其應用到目標檢測中來。本文實驗了101層的ResNet在VOC資料下結果，取得了mAP 83.6%和 速度 170ms一張圖的結果（速度比Faster RCNN快）。程式碼開源：https://github.com/daijifeng001/r-fcn 程式碼支援在Titan，TitanX，K40，K80上跑~~下次有時間可以跑跑玩玩。

想法來源：

一般常見的目標檢測主要有兩個子網路：（1）一個獨立於RoI的共享的全連線層子網路（2）涉及RoI決策的不共享計算的子網路。這樣進行網路的分解主要來源於目標檢測問題之前，人們大量地對於影象分類的研究。其中的一些經典網路如AlexNet，VGG等，在卷積子網路的結尾直接連線一個pooling層，跟著是一些全連線層（fc）。因此，影象分類網路中的pooling層也就自然而然地出現在了目標檢測網路中。

隨著ResNets，GoogLeNets等全連線卷積（fully convolutional）的設計網路的出現，自然而然地讓作者想到將傳統網路改成fully convolutional進行目標檢測。為了提高精度並滿足檢測要求，作者在ResNet的檢測流程中加入RoI pooling層到卷積之間，使得其網路可以達到對於區域特定的目標，來完成作者認為的目標檢測所需要不同於分類的translation-invariant。

網路結構：

整體來說，本文在FCN網路中使用一個位置敏感的RoI pooling層，得到一個“位置敏感度圖”作為輸出，完成一個端到端的目標檢測網路結構，其主要網路流程如下圖：

圖中可以清楚看出，整個R-FCN網路依舊是採用RPN+detection兩個部分，分別進行候選proposal提取和檢測。RPN類似於原始設計，進行前景背景的分離，而在R-FCN的結尾連線著RoI pooling層，該層產生對應於每一個RoI區域的分數。

在R-FCN的後面階段裡，所有卷積權值共享。和fast rcnn相比，主要差別就在後面跟的是ResNet，ResNet101有100個卷積層，一個pooling層一個1000類的fc層，本文為了應用在目標檢測，將pooling層和fc層去除，只保留其卷積層得到的feature map，進一步產生分數圖進行檢測。

位置敏感分數圖：

將RoI矩形分成k*k個網格，針對每一個位置為（i，j）處分數的計算，主要不僅針對該處的softmax響應的分數，同時結合了其相對於RoI的位置，其計算公式如下（x0，y0為RoI的top-left角座標）：

為了簡化計算，對於一個RoI區域內計算均值作為該RoI的vote，接著算對應的softmax分數。

對於迴歸和loss函式部分，整體全部和Fast RCNN一致。這裡我不再細說。作者給出一個簡單的視覺化圖如下：

實驗結果：

主要進行了和Faster RCNN和ResNet-101的對比，我認為和ResNet-101的對比對於目標檢測沒什麼意義，因此主要放圖和Faster RCNN的，如下：