1. 全卷积网络(FCN)
FCN能够接受任意尺寸的输入图像,
对图像进行像素级的分类
,采用反卷积层对最后一个卷积层的feature map进行上采样
,使它恢复到与输入图像相同的尺寸,
从而可以对每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,
最后在上采样的特征图上进行逐像素的分类,
从而解决语义分割的问题。
2.。语义分割
语义分割是对图像中的每一个像素进行分类,
3.反卷积层
蓝色输入,绿色输出
deconv并不是真正的deconvolution(卷积的逆变换)
公认的叫法应该是transposed convolution,
(deconv的前向传播就是conv的反向传播)