关于R-FCN论文的讲解，网上有很多资料，在这里重缀了。这里只对其中的核心图做讲解。
假设c+1类中有一类是人脸，下图中k=3，对应的可以找到人脸的左上部对应的特征向量的。相当于把c+1类又细分了，每一类里面有k*k个位置细分类。
解释上图，其中feature maps对应 下面网络图 中 con_new_1[1024*w*h]（res5c是2048*w*h，这一层1024*1*1的全卷积降维操作）
position-sensitive score maps（以下简称ps层），为什么是k^2(c+1)维度呢?一般不都是c+1维吗?k^2的加入才是position-sensitive的关键，因为一般的conv+pool具体平移不变性，对于检测任务位置的定位不敏感，所以需要改变。
每个feature map，z(i,j,c)是第i+k(j-1)个立体块上的第c个map（1<= i,j <=3）。(i,j)决定了9种位置的某一种位置，假设为左上角位置（i=j=1），c决定了哪一类，假设为person类。在z(i,j,c)这个feature map上的某一个像素的位置是（x,y），像素值是value，则value表示的是原图对应的(x,y)这个位置上可能是人（c=‘person’）且是人的左上部位（i=j=1）的概率值。
这里k^2共有k*k = 9个颜色（成为9个bin）（示意图中k=3，实际中默认k=7），每个颜色的立体块（W*H*(C+1)）表示的是不同位置存在目标的概率值（第一块黄色表示的是左上角位置，最后一块淡蓝色表示的是右下角位置）。共有k^2*(C+1)个feature map。每个feature map，z(i,j,c)是第i共有k*k = 9个颜色，每个颜色的立体块（W*H*(C+1)）表示的是不同位置存在目标的概率值（第一块黄色表示的是左上角位置，最后一块淡蓝色表示的是右下角位置）。共有k^2*(C+1)个feature map。
