語義分割的全卷積網絡
FCN 的全稱是 Fully Convolutional Networks for Semantic Segmentation，即語義分割的全卷積網絡。它是一種用於圖像語義分割的深度學習框架，由Jonathan Long等人於2015年提出。FCN的主要特點是：
全卷積層：替代了傳統CNN中的全連接層，使用卷積層來提取特徵。
上採樣：爲了解決卷積和池化操作導致的圖像尺寸變小，使用上採樣技術恢復圖像到原始尺寸。
反捲積層：通過上採樣得到原尺寸的語義分割圖像，使得網絡能夠對每一箇像素進行分類預測。
跳級結構：結合不同深度層的結果，確保網絡的魯棒性和精確性。
FCN的輸入可以是任意尺寸的彩色圖像，輸出與輸入尺寸相同，通道數爲目標類別數加上1（背景）。它不需要裁剪圖像到指定大小，因此輸入圖像尺寸可以不同。此外，FCN的輸出通常是熱力圖，而不是類別標籤。
FCN的出現是深度學習在圖像語義分割領域的里程碑，幾乎所有後續的圖像語義分割模型都受到了FCN的影響。它的結構主要由全卷積部分和反捲積部分組成，其中全卷積部分用於提取特徵，反捲積部分通過上採樣得到原尺寸的分割結果。