论文笔记 FCN: Fully Convolutional Networks for Semantic Segmentation

很早的一篇文章了，CVPR2015的一个亮点，看过几次了，今天决定mark一下。

文章使用全卷积网络，进行端到端的，像素到像素的训练，得到了很好的语义分割结果。

FCN网络和一般的网络的最大不同是，FCN产生的输出和输入的维度保持一致，即改变原本的CNN网络末端的全连接层，将其调整为卷积层，这样原本的分类网络最终输出一个热度图类型的图像。

其中，对全卷积网络的末端再进行upsampling（上采样），即可得到和原图大小一样的输出，这就是热度图了。而具体究竟用那种方法进行upsampling产生热度图，作者主要考虑了3种方案，最终采用了deconvolutional（反卷积）的方法。

为了FCN更好地应用在分割里，作者将最后几层的信息叠加，得到更加有效的结果，具体网络结构如图：

想法简单，但是首篇全卷积的产生，最后附几张效果：