R-FCN论文解读

相比较之前的faster-rcnn而言，rfcn比之运行速度更快，效率更高，在准确率上也没有下降。那么rfcn网络到底是什么样的网络呢？其比faster-rcnn的区别在哪里呢？

一、rfcn的基本结构：

1.一个基本的conv网络：ResNet101--------------->提取基本的特征

2.一个RPN网络（Faster Rcnn来的）

3.一个position sensitive的prediction层

4.ROIpooling+投票的决策层

---RFCN的idea出发点:

分类需要特征具有平移不变性，检测则要求对目标的平移作出准确的响应。Faster-rcnn类的方法在ROIpooling前都是卷积的，是具备平移不变性的，但一旦插入ROIpooling之后，后面的网络结构就不再具备平移不变性了。因此，我们需要position sensitive core map来把目标的位置信息融入到ROIpooling中。

---希望：

将耗时的卷积层都尽量移到前面共享的subnetwork上，也就是产生共享的feature map的网络。

---具体的改进：

Faster-rcnn中用的Resnet（前91层共享，插入ROIpooling，后面10层不共享）。

RFCN把所有的101层都改在了前面共享的subnetwork上，最后的predictio