全卷积模型:将之前我们cnn模式后面的全连接层换成卷积层,所以整个网络都是卷积层。其最后输出的是一张已经标记好的热图,而不是一个概率值。
第6、7、8层分别是长度是4096、4096、1000的一维向量。最后输出一个1000维的向量表示输入图像属于每一类的概率。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/ae9602fce27932e794779edfd3b43e64.png)
在FCN中第6、7、8层都是通过卷积得到的,卷积核的大小全部是1 * 1,第6层的输出是4096 * 7 * 7,第7层的输出是4096 * 7 * 7,第8层的输出是1000 * 7 * 7(7是输入图像大小的1/32),即1000个大小是7*7的特征图(称为heatmap而不是featuremap)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/816a17b790dadf44cf04593421fb8f9d.png)