图像分割“Fully Convolutional Networks for Semantic Segmentation”

文章使用了全卷积的网络，接受任意大小的输入，生成对应大小的输出。将
AlexNet,VggNet,GoogleNet转换为全卷积网络，并定义了结合深层和浅层信息的结构用于分割。

全卷积网络结构
卷积的输入和输出关系为：

对于AlexNet来说，全连接层维度固定，不包含空间信息，但全连接可以看作是与覆盖全区域的核的卷积，这样就会生成特征图，如下图所示。

网络输出尺寸是10*10的特征图，特征图的生成过程等效于在小图像块上使用网络计算，图像块之间有交叠，所有计算时间并不高。

分割所采用的网络结构，采用skip layer的方法，在浅层处减小upsampling的步长，得到的fine layer 和 高层得到的coarse layer做融合，然后再upsampling得到输出。这种做法兼顾local和global信息，如下图所示：

实验结果
在Pascal Context上的实验结果如下表所示：