[深度学习从入门到女装]R-FCN

论文地址：R-FCN: Object Detection via Region-based Fully Convolutional Networks

 

R-FCN是在Faster R-CNN上进行的改进

主干网络更换为ResNet-101，去掉最后的global average pooling和FC层，将最后一层原本2048channel的feature map使用1*1降维到1024channel的feature map

然后使用最后的feature map用RPN进行RoI的提取

把每个RoI划分为k*k个bins，然后对每个bin进行vote，最后判断这个RoI是否存在object和是哪个class，然后最后在使用和faster R-CNN同样的bounding box offset回归

可以看到最后一层1024channel的feature map，使用RPN得到RoIs，然后再用个channel的conv进行操作得到 feature map，其中k为bin的划分数量，c为需要识别的种类数量，然后找到每个RoI相对应的 feature map上的一部分进行Position-sensitive RoI pooling，得到一个C+1个channel的feature map，这个feature map也对应到k*k的划分，可以根据图上对应的颜色看出，也就是最后的position-sensitive score maps

Position-sensitive RoI pooling：

相当于是对 feature map中RoI对应区域每个channel进行average pooling得到这个bin的score 然后放到对应的position-sensitive score maps，然后在用average pooling进行vote得到最后的C+1 channel的特征向量再放到softmax中和进行bounding box的offset回归