CoupleNet的网络结构:
在R-FCN只提取了局部信息，只利用提取局部信息置信度非常低，所以需要将全局信息进行融合来提高准确率。比如，对于边界的物体，全局信息的置信度不高，但是在录入人眼，嘴巴这些地方的局部信息的置信度会比较高。对于结构体比较简单的物体，比如餐桌，凳子等，局部信息置信度就会比较低，但是全局信息置信度比较高。
整体框架为，从RPN中生成了候选框ROI之后，分两路前进，一路为Local FCN，PSROI Pooling提取局部信息；一路为Global FCN提取全局信息，最终融合在一起做判定。
Local FCN:
提取局部信息（就是R-FCN中的部分），在Conv5之后，经过1×1大小，channel数为k×k×(c+1)的卷积核，得到位敏feature map，然后利用产生的feature map进行PSROI Pooling。
Global FCN:
ROI Pooling是具有提取全局特征的，因为它就像把ROI对应的feature map 压缩了一下，但是答题信息还是保留的，因此提取全局信息就采用了原始的ROI Pooling，并且引入上下文信息，通过将ROI对应的feature map向外扩大一倍的方式获取。
原文：https://www.cnblogs.com/cucwwb/p/13278296.html