又到了狗都不看的文章记录时刻!
- 卷积神经网络跟全卷积神经网络区别
cnn 卷积层-激活函数-池化层-全连接层(影响图片输入输出大小尺寸)
fcn 卷积层-激活函数-池化层-卷积层(全连接层换成1*1卷积层)
换成全卷积操作后,由于没有了全连接层的输入层神经元个数的限制,所以卷积层的输入可以接受不同尺寸的图像,也就不用要求训练图像和测试图像size一致。
- 为什么全卷积可以输入任意大小的图片?
这是因为全连接的输入特征必须是固定大小的,所以输入图片必须是固定大小,而全卷积的话由于最终的输出只是通道上的值,比如最后输出置信度和偏移,共5个值,用全连接的话输出神经元就得是5个,而全连接的话只需要给5个通道就可以了,至于卷出来的最终图像大小是多少无所谓,因为我只取那个通道的值
参考原文链接:https://blog.csdn.net/weixin_38241876/article/details/91977167