參考部落格：https://www.cnblogs.com/lillylin/p/6277094.html
整個R-FCN的流程：
- 一個base的conv網絡如ResNet101, 一個RPN（Faster RCNN來的）,一個position sensitive的prediction層，最後的ROI pooling+投票的決策層
如圖所示：
下面是我自己畫的圖，從經過特征提取網絡得到的特征圖開始，後續的處理過程：
1、假設由網絡得到特征圖為大小為：H*W*2048，（ ResNet 101——去掉原始ResNet101的最後一層全連接配接層，保留前100層，再接一個1*1*1024的全卷積層（100層輸出是2048，為了降維，再引入了一個1*1的卷積層）），得到H*W*1024的特征圖。然後和k^2(C+1)個1*1*1024的卷積核進行卷積， 得到H*W*K^2(C+1)的特征圖，如圖所示:
右邊彩色的特征圖中k=3,特征圖的厚度為3^2*(C+1)=9(C+1)，共9個大塊,每個大塊厚度為C+1。其中有個白色的九宮格表示經過RPN網絡映射到特征圖上的目标區域。這裡采用分為9格的做法，為了得到作者提出的位置敏感的score map。
k = 3，表示把一個ROI劃分成3*3，對應的9個位置分别是：上左（左上角），上中，上右，中左，中中，中右，下左，下中，下右（右下角），對應前面的9*(C+1)的特征圖中的9個塊（9種顔色）， 每個塊厚度為C+1，每個塊對應原圖中ROI 區域的一個位置，将ROI區域劃分成9塊，相當于将目标 劃分為不同的部分，比如下圖：
圖中小孩子對應的ROI區域劃分成9塊，分别對應小孩的身體的一部分，而映射到特征圖中的的ROI，分成9塊，這9塊怎麼得到呢？ 如下圖所示，這個ROI的左上角的區域，由厚度為9*(C+1)的特征圖中的大紅色部分得到，在整個紅色塊中，隻取ROI所在位置的左上角的部分，而ROI 的上中部分，由紅色後面的淡紅色塊中ROI所在位置的中上部分得到，依次可以得到ROI的右上角，中左，中中，中右， 下左，下中，下右（右下角）。
這樣就得到了ROI區域對應的h*w*(C+1)的score map， 然後經過一個ROI pooling，每個類别做一次，也就是有C+1個類别，每個類别對應的3*3=9個區域，每個區域進行池化，得到3*3=9個值，共有C+1個類别，是以會得到3*3*(C+1)的feature map，然後每個類别對應的9個值再進行一個投票，得到一個值，共C+1個類别，是以會得到長度為C+1的特征向量，最後經過一個softmax得到分類結果。