论文笔记《Fully Convolutional Networks for Semantic Segmentation》

目标：利用现有网络实现图像分割

实现：将所有全连接层FC 改为全卷积层FCN，kernel为1*1；原FC网络必须固定输入，改为FCN后不需要固定输入，若原图像更大则输出也由一个点变为一个矩阵。

这样的输出size会变小，为了使最终输出和原图像像素一样大，作者提出了三种方案：

1.使用deconvolution（反卷积）作为upsampling手段，stride为原图像subsample的stride。

2.不作upsampling，平移也可以使假设所有层总共stride为f（filter为f），那么output的一个点对应原图中f*f大小的区域中心，感受野为f*f。若将原图向右向下平移（平移范围为1-f个像素），可以使output对应到原图中另外的像素，最终获得原图一样的大小。但作者认为每一个output点的感受野还是很小，无法获取更大尺度的信息，不采用这种方法。

3.把filter做了放大变换，stride设为1，这样砍掉了subsampling，但是感受野变小（如有stride=10时，100x100映射为1x1，stride=1时，10x10对应1x1，特征图对应原图的感受野变小了 ），而且增加了很多计算量。也不采用。

网络部分如图：

skip layer，不同层的结果做融合（后层全局信息，前层细节信息），得到最终的prediction。