全卷积神经网络_图像分割之FCN（全卷积神经网络）论文笔记

Fully Convolutional Networks for Semantic Segmentation(2015) 论文笔记

1. Abstract

• • • 论文提出训练一个端到端的，像素级别的网络，能够在语义分割中产生非常好的表现。
    • 该网络叫做全卷积网络，只有卷积层，可以输入任意尺寸的图像，输出对应尺寸的图像。
    • 通过将经典的分类网络改造为全卷积网络，来进行分割任务。
    • 在网络中加入了跳连接，将来自深层的粗糙语义信息和浅层的外观信息结合起来，实现更准确的分割。

2. Introduction

• • • 首次使用FCN来进行逐像素的预测。
    • 在网路中，上采样的过程进行逐像素预测，下采样的池化过程进行学习。
    • 我们的网络借鉴了目前成功的分类网络改造成FCN来进行密集预测（dense prediction)，对从中学到的表示进行了微调。#疑问 #fine-tuning是否有特殊含义
    • 语义分割面临着语义和定位的两难问题。全局信息解决的是什么，定位信息解决的是在哪里。#疑问 #为什么会两难-矛盾怎么理解
    • #疑问 多次提到