【图像分割】FCN原理

什么是语义分割？
语义分割就是从像素水平上理解、识别图片的内容。输入的是图片，输出的是同尺寸的分割标记，每个像素会被标识为一个类别。

语义分割的用处：
·机器人视觉和场景理解
·辅助/自动驾驶
·医学X光

一、简介

FCN是深度学习用于语义分割任务的开山之作，提出了“全卷积神经网络”，将全连接层替换为卷积层的end-to-end的全卷积网络，可以适应任意尺寸的输入，在不破坏空间结构的基础上，可以对图像进行像素级别的分类。解决了降采样后的低分辨率问题。

FCN采用反卷积层对最后一个卷积层的热力图进行上采样，使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测，通过逐个像素地求其在1000张特征图（1000个通道、1000个类别）上，该像素位置的最大数值描述（概率）作为该像素的分类，也就是求每个像素的所属类别，损失函数是在最后一层的特征图上各像素的损失之和。

二、FCN-反卷积

反卷积更倾向于称为转置卷积。反卷积核是卷积核的转置，学习率为0。如下图：
方法一：