一、模型介绍
FCN是对图像进行像素级的分类(也就是每个像素点都进行分类),从而解决了语义级别的图像分割问题。与上面介绍的经典CNN在卷积层使用全连接层得到固定长度的特征向量进行分类不同,FCN可以接受任意尺寸的输入图像,采用反卷积层对最后一个卷基层的特征图(feature map)进行上采样,使它恢复到输入图像相同的尺寸,从而可以对每一个像素都产生一个预测,同时保留了原始输入图像中的空间信息,最后奇偶在上采样的特征图进行像素的分类。《Fully Convolutional Networks for Semantic Segmentation》发表于2016年由Evan Shelhamer, Jonathan Long, Trevor Darrell三人创作。官方论文:https://arxiv.org/abs/1605.06211v1
接下来我们一起看看如何快速进行论文复现吧!
二、创建实例
首先打开极链AI云的官网,选择模型创建实例: