全卷积网络 Fully Convolutional Networks,FCN,是一个不含全连接层,由卷积层或池化层构成的神经网络。
从结构上来说,FCN由一系列卷积层和池化层组成,最后是一个转置卷积层。
FCN 的基本结构很简单,就是全部由卷积层组成的网络。用于图像分类的网络一般结构是"卷积-池化-卷积-池化-全连接",其中卷积和全连接层是有参数的,池化则没有参数。论文作者认为全连接层让目标的位置信息消失了,只保留了语义信息,因此将全连接操作更换为卷积操作可以同时保留位置信息及语义信息,达到给每个像素分类的目的。
FCN 网络,结构也很简单,包含N了反卷积以及与浅层信息的融合。
全卷积网络不包含全连接层,但往往是将末层输出层的各通道的矩阵取平均数作为各通道的最终输出。
每一个权重层处理后都要进行激活函数处理,为了避免过拟合。
FCN会通过转置卷积层,将中间层的特征图的大小恢复到原始输入图像的大小,从而使预测结果与输入图像在高和宽上能够一一对应,进而实现像素级别的预测或分类。
FCN的典型应用是语义分割任务。由于FCN具有全卷积的特性和对输入图像任意大小的适应性。因此可以精确地预测出图像中每个像素的类别,从而在语义分割中表现得很好。
在训练的过程中,第一次训练出来了,但是后续执行没有结果输出,想再重新训练一下,直接就没有结果输出了,显示内核状态未知。
由于系统没有提供全系统重新启动的功能,只能等超时自动关闭,明天再试了。
可能是图片放多了,一直审核不通过,只能删掉一些图片试试了。