FCN相关问题的一些整理 (FCN VGG Segnet resnet )

本文介绍了FCN、VGG和ResNet在深度学习中的应用和特点。FCN作为全卷积网络，解决了密集预测问题；VGG通过小卷积核和多层设计探索了网络深度与性能的关系；ResNet则通过残差结构解决了深度网络中的梯度消失问题，使得网络可以达到千层以上仍然有效。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 FCN 相对CNN的优点

1) 2014年，加州大学伯克利分校的Long等人提出的完全卷积网络(Fully Convolutional Networks)，推广了原有的CNN结构，在不带有全连接层的情况下能进行密集预测。

这种结构的提出使得分割图谱可以生成任意大小的图像，且与图像块分类方法相比，也提高了处理速度。在后来，几乎所有关于语义分割的最新研究都采用了这种结构。

2) 除了全连接层结构，在分割问题中很难使用CNN网络的另一个问题是存在池化层。池化层不仅能增大上层卷积核的感受野，而且能聚合背景同时丢弃部分位置信息。然而，语义分割方法需对类别图谱进行精确调整，因此需保留池化层中所舍弃的位置信息。

研究者提出了两个不同形式的结构来解决这个问题。

1) 第一种方法是编码器-解码器(encoder-decoder)结构。在这种方法中，一种典型结构为U-Net网络。

2) 第二种方法使用了称作空洞卷积的结构，且去除了池化层结构。

3) 条件随机场(Conditional Random Field，CRF)方法通常在后期处理中用于改进分割效果。CRF方法是一种基于底层图像像素强度进行“平滑”分割的图模型，在运行时会将像素强度相似的点标记为同一类别。加入条件随机场方法可以提高1~2%的最终评分值。

2 FCN 论文：Fully Convolutional Networks for Semantic Segmentation

主要贡献

提出了跳跃连接来改善上采样的粗糙程度。

1）将端到端的卷积网络推广到语义分割中；

2）重新将预训练好的Imagenet网络用于分割问题中；

3）使用反卷积层进行上采样；

4）提出了跳跃连接来改善上采样的粗糙程度。

3 用卷积运算实现的全连接层结构

1）在将VGG等预训练网络模型的全连接层卷积化之后，由于CNN网络中的池化操作，得到的特征图谱仍需进行上采样。

2）反卷积层在进行上采样时，不是使用简单的双线性插值，而是通过学习实现插值操作。

此网络层也被称为上卷积、完全卷积、转置卷积或是分形卷积。

3 VGG 特点：

http://www.cnblogs.com/fighting-lady/p/7096547.html

VGGNet：

(1) 牛津大学计算机视觉组(Visual Geometry Group)和GoogleDeepMind公司的研究员一起研发的

(2)探索了卷积神经网络的深度与其性能之间的关系，反复读碟3*3的小型卷积核和2*2的最大池化层，16-19层深的卷积神经网络

(3)取得了ILSVRC2014比赛分类项目的第2 名，定位项目的第1名。

(4)VGG的网络结构：

5段卷积层+3段全连接层
两个3*3的卷积层串联相当于1个5*5的卷积层，即一个像素会跟周围5*5的像素产生关联，感受野大小为5*5
三个3*3的卷积层串联的效果相当于1个7*7的卷积层。
3个串联的3*3的卷积层，比1个7*7的卷积层参数量少，只有后者的(3*3*3)/(7*7)=55%
3个3*3的卷积层比1个7*7的卷积层有更多的非线性变换，前者可以使用三次ReLU激活函数，后者只有一次
至于为什么用3x3的滤波器尺寸，
是因为这是能捕捉到各个方向的最小尺寸了，如ZFNet中所说，由于第一层中往往有大量的高频和低频信息，却没有覆盖到中间的频率信息，且步长过大，容易引起大量的混叠，因此滤波器尺寸和步长要尽量小；这里使用1x1的卷积模版是因为1x1就相当于可以看作是一种对输入通道进行线性变换的操作（增加决策函数的非线性且不会影响到感受野的大小）。

(5)VGG训练技巧：

先训练级别A的简单网络，再复用A网络的权重来初始化后面的几个复杂模型，训练收敛的速度更快。
训练时采用multi-scale方法做数据增强，将原始图像缩放到不同尺寸S，然后再随机裁切224*224的图片，这样能增加很多数据量，防止过拟合。
预测时，VGG采用Multi-scale的方法，输入图像为多尺度Q，且对于每个Q在最后一个卷积层使用滑窗的方式进行分类预测，将不同窗口的分类结果平均，再将不同尺寸Q的结果平均得到最后结果。

(6)VGG结论：