【FCN】全卷积网络——图像分割

1. FCN的学习及理解（Fully Convolutional Networks for Semantic Segmentation）
2. 全卷积网络（FCN）与图像分割
3. 图像语义分割之FCN和CRF
4. 深度学习（二十一）基于FCN的图像语义分割

FCN将传统CNN中的全连接层转化成一个个的卷积层如下图所示，在传统的CNN结构中，前5层是卷积层，第6层和第7层分别是一个长度为4096的一维向量，第8层是长度为1000的一维向量，分别对应1000个类别的概率。FCN将这3层表示为卷积层，卷积核的大小(通道数，宽，高)分别为（4096,1,1）、（4096,1,1）、（1000,1,1）。所有的层都是卷积层，故称为全卷积网络。

可以发现，经过多次卷积（还有pooling）以后，得到的图像越来越小,分辨率越来越低（粗略的图像），那么FCN是如何得到图像中每一个像素的类别的呢？为了从这个分辨率低的粗略图像恢复到原图的分辨率，FCN使用了上采样。例如经过5次卷积(和pooling)以后，图像的分辨率依次缩小了2，4，8，16，32倍。对于最后一层的输出图像，需要进行32倍的上采样，以得到原图一样的大小。

**这个上采样是通过反卷积（deconvolution）实现的。**对第5层的输出（32倍放大）反卷积到原图大小，得到的结果还是不够精确，一些细节无法恢复。于是Jonathan将第4层的输出和第3层的输出也依次反卷积，分别需要16倍和8倍上采样，结果就精细一些了。

FCN有两大明显的优点：

1. 可以接受任意大小的输入图像，而不用要求所有的训练图像和测试图像具有同样的尺寸。
2. 二是更加高效，因为避免了由于使用像素块而带来的重复存储和计算卷积的问题。

FCN的缺点也比较明显：

1. 得到的结果还是不够精细。进行8倍上采样虽然比32倍的效果好了很多，但是上采样的结果还是比较模糊和平滑，对图像中的细节不敏感。
2. 对各个像素进行分类，没有充分考虑像素与像素之间的关系，忽略了在通常的基于像素分类的分割方法中使用的空间规整（spatial regularization）步骤，缺乏空间一致性。