深度学习笔记 -- FCN

前一段时间对CNN做了一个总结，感觉自己对CNN的认识清晰了点，自己做的项目初步计划使用FCN，所以对FCN做一份总结。

论文下载地址：FullyConvolutional Networks forSemantic Segmentation

FCN叫全卷积网络，顾名思义，就是把CNN网络卷积层以后的全连接层替换为卷积层，产生一个特征图，而不是像CNN网络最后产生的是一个固定长度的特征向量，所以这就决定了FCN可以对任意分辨率的图像进行处理，而我主要是进行遥感图像的处理，这也是我选择FCN的一个原因。

FCN是对图像进行像素级的分类，从而实现语义级别的图像分割，他采用反卷积层对最后一个卷积层的feature map进行采样，让其恢复到输入图像相同的尺寸，从而对每个像素都进行了预测，保留了原始输入图像的空间信息。

FCN的结构示意图：

全连接层中的神经元是全连接的，而卷积层中的神经元是与输入数据中的一个局部的区域相连接的，而且卷积列中的神经元共享参数。因为在这两层中，神经元都进行点积计算的，函数形式是一样的，所以可以相互转化。

全连接层——>卷积层：假设一个卷积神经网络的输入是 224x224x3 的图像，一系列的卷积层和下采样层将图像数据变为尺寸为 7x7x512 的激活数据体。AlexNet使用了两个尺寸为4096的全连接层，最后一个有1000个神经元的全连接层用于计算分类评分。我们可以将这3个全连接层中的任意一个转化