fcn语义分割 论文

全卷积网络：

个人认为本文主要是两个重点：

第一是fcn，全卷积网络（+上采样）

第二是skip net

首先说全卷积网络：

通常cnn在卷积层后会接上若干全连接层，但是全连接层和卷积层的连接数量是固定的，这也就导致了输入必须是固定的尺寸。如下图所示：

但是在fcn中将fc用卷积取代，再加上采样层，这样能够输入任何大小的图片，同时输出图片相应大小的语义分割。如下图所示：

可以看到两站图中的红色部分略有不同，这是因为第一幅图中通过全连接层，已经破坏了卷积层输出feature map的空间结构，而第二幅图中通过全卷积网络保持了feature map空间结构，在通过反卷积完全可以恢复原图像中目标的空间位置，也成为heat map。从下图中可以看出heat map中的标记与原图中cat的位置相似。