图片语义分割-FCN（Fully Convolutional Networks for Semantic Segmentation）

首先说下什么是语义分割，语义分割是从像素的水平上来理解识别图像，相当于知道每一个像素是什么东西。可用于自动驾驶和医学上的。早先是利用手工特征加图模型。随着深度网络的发展，也引入的CNN，传统的CNN是有问题的：a.网络的后半段空间信息的缺失；b.输入的图片的尺寸固定。为了改进这个FCN到来了，FCN（Fully Convolutional Networks）又全卷积网络，如它的名字一样，它的所有层都是卷积层，很好的解决了降采样后的低分辨率问题。

对每一个像素进行预测

FCN有三个重要的东西：卷积化；反卷积；跳层结构。

卷积化：全连接层（6,7,8）都变成卷积层，适应任意尺寸输入，输出低分辨率的分割图片。开始的5个卷积层，使图像的分辨率下降了32倍，每层降低2倍。降主要是因为Pooling池化层，相当于扫描四个像素选一个，扫描的步长是2。后面的三层是没有降采样的。我自己有画一个卷积的降纬的图解。如下第二个图：

反卷积：低分辨率的图像进行上采样，输出同分辨率的分割图片。有两点注意的反卷积的卷积核是不变的。对于偶输出，有外围全部补0的反卷积，对于奇输出，有插空补0的反卷积。如下图：

输入是2X2卷积的偶的，反卷积输出是上面4X4的，卷积核3X3，步长是1，补零是补了两层

输入是卷积后的3X3的，反卷积的结果是5X5的，卷积核3X3，步长是2，补零是间隔补一个

跳层结构：32倍反卷积得到的分割结果粗糙，使用前面的2个卷积层的输出做融合，就是pool3和pool4后增加一个1X1的卷积层做预测，对于为何选前面两个卷积层的结果，因为较浅的网络的结果精细，较深的网络结果鲁棒，至于什么是鲁棒可以认为你灵活抗干扰罗。

跳层结构图例，第一个是直接32倍上采样，第二个融合后再16倍上采样，第三个是融合后再8倍上采样

最后说下FCN网络的构架，我画了一张图：

pool池化层会导致图像下采样，前面的几层基本不变，就是6,7,8的卷积化，然后加上反卷积和跳层操作，融合是和pool4第四个池化层数据融合。

论文引用:

Long J, Shelhamer E, Darrell T. Fully convolutional networks for semantic segmentation[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015: 3431-3440.

后面我也会陆续补一些神经网络的基础知识，因为我最近在研究图像分割方面，就先写了，欢迎大家一起讨论。喜欢关注一波。