FCN（全卷积网络）主要用于解决图像分割问题，它通过替换全连接层以提高处理效率，允许任意尺寸输入。相比传统CNN，FCN的优势在于无需滑动窗口评估，直接对整张图片进行卷积并上采样恢复原尺寸，同时在分类任务中能接受不同大小的图片。然而，关于FCN如何接受任意尺寸输入仍存在疑问，因为卷积核大小通常是固定的，这需要进一步探讨。
FCN我以前总是把它很1*1 conv弄混，实际上这是两个不同的概念，FCN意思是把FC层用卷积层替代，用于处理segmentation问题的一个网络；1*1是一种卷积形式，用于改变feature map的channel
理解FCN的过程中我参考了这个博客的介绍：
博客1：https://www.cnblogs.com/gujianhan/p/6030639.html
虽然点赞很多，但是我仍有疑惑，并有不同的想法。
首先建议参读原文https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf，这是最权威的FCN解释。
1. FCN是用来解决segmentation问题的，传统的网络是用滑动窗口的方法在每个像素点周围进行滑动，如一个15*15的滑动窗口，送进传统的卷积池化全连接层，得到这个像素点的类别。这一点在博客1有解释：
我的理解是一张100*100的原图，，用传统方法做segmentation，需要让100*100=10000个滑动窗口通过传统CNN网络，这样确实很低效。
于是FCN提出替换全连接层的方法，也是博客1的解释：
最低0.47元/天 解锁文章
扫一扫
2120
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
