![f3a4619efac8902aec68c02f8a33e13d.png](https://i-blog.csdnimg.cn/blog_migrate/ab58910749a3fb20d80722168f43b6fd.jpeg)
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
-