PyTorch语义分割系列——FCN

一、核心思想

1、使用卷积层替换全连接层中的所有线性层

2、 FCN可分为底模/骨架（backbone）与头部（head）两个部分

• 底模用于提取特征，可以使用VGG16、AlexNet、ResNet等提取特征的部分
• 头部用于预测像素点的类别；因底模中存在下采样操作（如池化和步长为2的卷积层），头部需将图像上采样至原本大小 

 该图省略了卷积层，激活层等。Kx表示输出尺寸（H，W）是输入尺寸（H，W）的K倍。

 3、FCNHead 

• 头部包括全卷积层、跳跃结构与上采样（至原始尺寸）。
• 通常使用卷积核大小为1、步长为1无填充的卷积层预测，全卷积层的最后一层为该卷积层。