30. FCN¶
30.1. 背景和数据集¶
2015年，在CVPR会议上提出FCN（全卷积网络），使用的识别库是 PASCAL VOC，在 PASCAL VOC 中有 20种物体分类，另外一个 background 分类，一个分类对应一种颜色，一共有21种颜色。
30.2. FCN v.s. CNN¶
FCN把CNN中最后的“全连接层”全部转化为1*1的卷积核的卷积层。
CNN 的输入是图像，输出是一个一维向量，表示此输入图像属于每个分类的概率值。
FCN的输入是一张图片（H*W*3），输出也是一张同像素的图片（H*W），并且在输出图像上有信息标注，指明每一个像素可能是什么物体 / 类别。
30.3. Network Structure¶
- 卷积层（下采样）
- 反卷积层（上采样）
30.4. FCN不足¶
精度问题，对细节不敏感，以及像素与像素之间的关系，忽略空间的一致性等问题。