FCN - Semantic Segmentation (of image)

FCN网路包括三个部分
1. 特征提取
          一般是预先训练好的网络，比如vgg16， reset18这种用来做分类的网络，最后的全连接层替换成卷积层

2. 上采样

       解卷积模块为主，通过被低分辨率特征图，逐步复原到原图分辨率，这一层的通道数一般等于类别个数，(C，H,W)其中（H，W）是恢复图的高宽，C是恢复图的通道数，等于类别数，每个通道表示对应类别的置信度。 最终像素归属于置信度最高的类别，也就给出每个像素的类别，达到像素级的分割分类目标。注意未必一定要从分辨率最低的特征图开始恢复，也可以从稍高分辨率的特征图开始恢复，特征图分辨率越低，恢复出来的结果越粗糙。

3. 融合
        第二步上采样可以得到多个恢复图（C，H，W），需要合并成要给一个，显然最简单的是相加，复杂的是结合MRF/CRF技术，不过这超出了本文的范文。

 

 

十分钟看懂图像语义分割技术