FCN 相关细节

备注：

图片来源 https://blog.csdn.net/gyh_420/article/details/78570415

内容参考在文中已经引出，不过多赘述。

 

概念一：receptive fields

Locations in higher layers correspond to the locations in the image they are path-connected to, which are called their receptive fields.

在卷积神经网络CNN中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野receptive field。具体可参考下文。

https://blog.csdn.net/u010725283/article/details/78593410

 

概念二：卷积、反卷积  

主要参考： https://blog.csdn.net/gyh_420/article/details/78570415

卷积：

一维卷积

图像卷积：通过计算理解卷积的核心。

从上图可以理解到另外几个概念，如kernel size（kernel的大小），stride（kernel移动的步长）

另外padding可分为valid, full， same ，具体区别可以从上面博客中查阅。

 

反卷积

这里有一个理论，假设f是一个卷积层，而且y=f(x)，那么在反传求导时， 会返回一个跟x一样形状的输出，卷积是一个对偶函数，. 那么如果我们想得到跟输入一样的输出，那么定义, 这样g(f(x))就达到想要的目的。从而转置卷积就是将卷积层的 forward 和 backward 函数对换。

 

 

视频推荐：https://www.bilibili.com/video/av25857000/?spm_id_from=333.788.videocard.13