全卷积网络
1、介绍
CNN到FCNs的转变
应用于空间密集预测任务,当代热门分类网络AlexNet,VGGNet,GoogleNet
输入:任意大小
输出:有效推理和学习(前向计算和后向推进)生成相应大小
FCN是端到端,在语义分段上像素对像素的分类。FCN架构是将深的、粗的语义信息和浅的、细的外观信息结合起来,实现全局和局部信息共同编码和语义分割。
译文:
https://blog.csdn.net/scutjy2015/article/details/74500525
3、全卷积网络
dense prediction密集预测
3.1、采用分类器进行密集预测
3.2、shift-and-stitch是稀疏滤波器
3.3、上采样是反向跨步卷积
插值
3.4、patch wise训练是一种损失采样
4、分割架构
4.1、从分类到密集FCN
VGG16、19分类任务相当
GoogleNet只使用的最后的损失层,丢弃了最后的平均池化层
4.2、结合是什么、在哪里
4.3、实验框架