【小白学深度学习】FCN的学习

FCN的基本概念：

FCN是应用在图像分割的代表作, 是一种端到端(end to end)的图像分割方法, 让网络做像素级别的预测直接得出label map。

因为FCN网络中所有的层都是卷积层，故称为全卷积网络。

第一个图是原图

第二个图识别出人

第三个图在识别人的基础上，分别出人是谁。

FCN的网络结构：

网络结构详细图：

FCN与CNN的区别：

CNN网络：在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。

FNN网络：把cnn最后的全连接层转换成卷积层，输出一种输出的是一张已经Label好的图片（语义分割）。

                【卷积层之后仍然连接卷积层，输出与输入大小相同的特征图。】

转化的优点：在单个向前传播的过程中, 使得卷积网络在一张更大的输入图片上滑动，从而得到多个输出。

FCN反卷积：

与之前的一些卷积运算不同（Same卷积、Valid卷积、Full卷积），它是对特征图中每个神经元之间先填0，之后再进行卷积的运算，扩大特征图。

为了解决卷积和池化对图像尺寸的影响，采用上采样方式。

注意：（1）这就是是上采样，扩大像素，利于提取特征。

           （2）输入的图片像素为3*3，输出转化的是5*5。