全卷积神经网络FCN

卷积神经网络（CNN）介绍

传统CNN的强大之处就在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征：较浅的卷积层感知域较小，学习到一些局部特征；较深的卷积层感知域较大，能够学习到更加抽象的特征。这些抽象特征对物体的方向、大小、位置等敏感性更低，从而有助于识别性能的提高。

缺点：抽象的特征对分类很有帮助，可以判断出一幅图像中的物体属于哪一类。但由于抽象特征丢失了物体的一些细节，不能很好地给出物体的具体轮廓，无法指出每个像素具体属于哪个物体，因此做到精确的分割就很有难度。

全卷积神经网络（FCN）的提出

提出目标：从图像级别的分类进一步延展到像素级别的分类（即：从单目标分类变成多目标分类）
最开始的应用：图像分割
贡献：端到端、像素到像素、输入尺寸与输出尺寸一样大小

• 网络模型设计
  网络模型
  

上幅图片中的第一个模型是AlexNet，第一次经过卷积池化后图片尺寸变小为输入的1/2，通道数变成96；第二次卷积池化后图片尺寸再一次变小为输入的1/4，通道数变成256；第三次、第四次……；第六次为全连接层，经过多次卷积后，将特征图的权值展开为1维与全连接的权值实现全连接，变成向量4096x1；最后使用softmax输出类别，因为标签有1000个类别，所以最后输出大小必须为1000x1，与标签相对应，以便做误差损失回传更新网络参数。

第二个模型就是FCN，前面的卷积层与AlexNet一样，区别就在于全连接层，FCN把全连接层全部替换成卷积层：

• 针对第一个连接区域是[7x7x512]的全连接层，令其滤波器尺寸为F=7，这样输出数据体就为[1x1x4096]了。
• 针对第二个全连接层，令其滤波器尺寸为F=1，这样输出数据体为[1x1x4096]。
• 对最后一个全连接层也做类似的，令其F=1，最终输出为[1x1x1000]

最后一层的1000可改，根据不同数据集的类别作相应修改。

二者区别：
（由单一分类到多分类，由粗糙分类到精细分类）
AlexNet的输出是一个1000维的向量，哪个值高代表输入图片属于该值对应的类别，它实现的是单一类别图片分类的功能。
FCN的输出是一个和输入同样大小的图片，FCN能判断输入图片中的物体有哪几类并把他们正确分类，它实现的是多类别图片归类的功能。

---

对原图像进行卷积conv1、pool1后原图像缩小为1/2；之后对图像进行第二次conv2、pool2后图像缩小为1/4；接着继续对图像进行第三次卷积操作conv3、pool3缩小为原图像的1/8，此时保留pool3的featureMap；接着继续对图像进行第四次卷积操作conv4、pool4，缩小为原图像的1/16，保留pool4的featureMap；最后对图像进行第五次卷积操作conv5、pool5，缩小为原图像的1/32，然后把原来CNN操作中的全连接变成卷积操作conv6、conv7，图像的featureMap数量改变但是图像大小依然为原图的1/32

那么图1和图2有什么关系呢？
图1结构的代码&#x