本文主要是介绍深度学习论文笔记（六）--- FCN-2015年（Fully Convolutional Networks for Semantic Segmentation），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
深度学习论文笔记（六）--- FCN 全卷积网络
FullyConvolutional Networks for Semantic Segmentation
Author：J Long ， E Shelhamer， T Darrell
Year： 2015
1、 导引
通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述（概率），比如AlexNet的ImageNet模型输出一个1000维的向量表示输入图像属于每一类的概率(softmax归一化)。
而要做SemanticSegmentation（语义分割），希望能够直接输出一幅分割图像结果，所以就有了本篇FCN网络的提出。
2、模型解读
①FCN将传统CNN中的全连接层转化成一个个的卷积层。如下图所示，在传统的CNN结构中，前5层是卷积层，第6层和第7层分别是一个长度为4096的一维向量，第8层是长度为1000的一维向量，分别对应1000个类别的概率。FCN将这3层表示为卷积层，卷积核的大小(宽，高，通道数)分别为（1,1，4096）、（1,1，4096）、（1,1，1000）。所有的层都是卷积层，故称为全卷积网络。
②但是，经过多次卷积（还有pooling）以后，得到的图像越来越小,分辨率越来越低。为了从这个分辨率低的粗略图像恢复到原图的分辨率，FCN使用了增采样操作。这个增采样是通过反卷积来实现的（deconvolution），文中用的反卷积操作很简单，后来有其他人就在反卷积这一步上做了进一步优化，使得分割结果更为准确。
③对第5层的输出（32倍放大）反卷积到原图大小，得到的结果还是不够精确，还是有细节内容丢失了。于是作者采用skiplayer的方法，将第4层的输出和第3层的输出也依次反卷积，分别需要16倍和8倍上采样，结果就精细一些了。下图是这个卷积和反卷积上采样的过程：
我们来把位置稍微调整一下利于理解：
在浅层处减小upsampling的步长，得到的finelayer 和 高层得到的coarselayer做融合，然后再upsampling得到输出。这种做法兼顾local和global信息，即文中说的combiningwhat and where，取得了不错的效果提升。FCN-32s为59.4，FCN-16s提升到了62.4，FCN-8s提升到62.7。可以看出效果还是很明显的。
3、 创新点分析
①由于没有全连接层的存在，所以输入图像的尺寸要求并不固定了。这个原因是因为全连接层是一个矩阵乘法的操作，可以自己去想一想。
②实现的是对每个像素点的分类预测：
Pixel-wiseprediction
之所以能做到这样，是因为卷积层的输出的结果是datamap，而不是一个向量！经过反卷积后得到与原图一样大小的1000层heatmap，每一层代表一个类，然后观察每个位置的像素，在哪一层它这个点对应的值最大，就认为这个像素点属于这一层的类，
就比如图中点猫那个位置的点，在tabby cat这个类的heatmap上表现的值很高，所以认为那一坨像素点是属于tabby cat这个类的。
从而这样对每个像素点进行分类，最后输出的就是分割好的图像。
这篇关于深度学习论文笔记（六）--- FCN-2015年（Fully Convolutional Networks for Semantic Segmentation）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
