FCN图像语义分割

FCN主要用于图像分割领域，是一种端到端的分割方法，卷积化（Convolutional）、上采样（Upsample）和跳跃结构（Skip Layer）；

网络特点

1. 不含全连接层（fc）的全卷积（fully conv）网络，可适应任意尺寸输入。
2. 增大数据尺寸的反卷积（deconv）层，能够输出精细的结果。
3. 结合不同深度层结果的跳级（skip）结构，同时确保鲁棒性和精确性。

   网络流程

   输入图像image，经过pool1池化后，尺寸变为原始尺寸的1/2。

   经过pool2池化，尺寸变为原始尺寸的1/4。

   接着经过pool3、pool4、pool5池化，大小分别变为原始尺寸的1/8、1/16、1/32。

   经过conv6-7卷积，输出的尺寸依然是原图的1/32。

   FCN-32s是最后使用反卷积，使得输出图像大小与输入图像相同。

   FCN-16s是将conv7的输出进行反卷积，使其尺寸扩大两倍至原图的1/16，并将其与pool4输出的特征图进行融合，后通过反卷积扩大到原始尺寸。

   FCN-8s是将conv7的输出进行反卷积扩大4倍，将pool4输出的特征图反卷积扩大2倍，并将pool3输出特征图拿出，三者融合后通反卷积扩大到原始尺寸。

   总结目前了解和学习就这些知识和用法。