07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记

---

 论文地址：Fully Convolutional Networks for Semantic Segmentation

参考网址：

1. Fully Convolutional Networks for semantic Segmentation（深度学习经典论文翻译）（一般，很多不准确）
2. Fully Convolutional Networks for Semantic Segmentation(FCN)论文翻译
3. 论文精读及分析：Fully Convolutional Networks for Semantic Segmentation
4. 论文笔记《Fully Convolutional Networks for Semantic Segmentation》（这篇不错，对文章进行了分析）

论文创新点：

1. 提出一种新的全卷积网络，从而将网络输出的概率值上升为预测图，利用反卷积更好的恢复特征图尺寸；
2. 适应任意尺寸的输入，均可得到同尺寸的输出预测图；
3. FCN成为了语义分割领域中里程碑式的网络结构

问题	解决办法
1 、CNN的输出为一个特定的概率值	利用端到端的训练方式，将输出转换为图片
2 、CNN使用全连接层会丢失图像的二维信息	提出FCN网络，用卷积层代替全连接层，保留二维信息
3 、上采样会丢失大量细节信息	通过跳跃连接，将浅层特征与深层特征相融合

缺点：一些较小的物体识别不出来。 

 备注：由于精力问题，没有精读文章，而是参考了一些机构课程，基本上与论文中的内容差不多，至于一些细节之类的还需要细读论文。

---

 

 

 

 

论文中在最后介绍了语义分割常用的评价指标：

 

 

---

代码实现：

第一步，用tensorflow将原文代码复现；

第二步，修改使用自己的数据集（有一些问题：训练损失为nan，捣鼓了半天，实在是不清楚【代码写错了，修改之后可以使用】）