（科普快餐）语义分割经典论文--1：FCN（深度学习语义分割开山作）

介绍：

        受AlexNet、GoogleNet的影响深度学习方法在语义分割领域得到了重启，全卷积网络（Fully Convolutional Networks，FCN）的出现也让语义分割领域展开了新时期的进程。

        全卷积网络顾名思义便是全部有卷积神经网络（CNN）组成的，本文FCN的结构如图所示：

         结构很简单，基本就是“变小再变大”，“变小”的过程就是特征提取的过程，“变大的过程”就是上采样还原的过程，最终将分辨率还原如初并将像素分门别类。

将完全连接的层转换为卷积层，使分类网能够输出热图。添加图层和空间损失，将产生一个实现端到端密集学习的高效机器。

---

总结：

1. 目的：想要得到每个像素的类别并加以标记
2. 特征提取，在过程中特征图的分辨率也会随着卷积的进程减小。
3. 上采样，将特征图还原为初始分辨率。（方法例：双线性插值、反卷积、反池化）

缺点：

1. 精细度不够（开山之作思想最重要，不要在意细节）
2. Too much（待后人改进）

优点：

1. 为语义分割提供了一个大的研究方向
2. 实用性还是不错的（能用而已）

---

非常简单的笔记，具体细节还是要靠论文的精读，我这里只是简单说一下最为重要的思想。

后续还会继续更新语义分割方向的论文，也都只是记录中心思想（ 科普快餐）