图像语义分割知识盲区-持续补

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