活動地址：https://xihe.mindspore.cn/events/mindspore-training-camp
簽名：Sam9029

---

這一章節 出現了一個 深度學習 中經常出現的概念

• 全卷積網絡（Fully Convolutional Networks） :

官話：FCN 主要用于圖像分割領域，是一種端到端的分割方法，是深度學習應用在圖像語義分割的開山之作。通過進行像素級的預測直接得出與原圖大小相等的 label map。因 FCN 丟棄全連接層替換為全卷積層，網絡所有層均為卷積層，故稱為全卷積網絡

自己理解一下：
全卷積網絡（FCN）就像是一個超級放大鏡，它能夠放大圖像中的每一點細節，并且告訴計算機每個像素點是什么。
想象一下，你手中拿著一張城市的照片，你想知道照片中的每個地方分別是什么，比如哪里是建筑物，哪里是道路，哪里是樹木。
全卷積網絡就能做到這一點。

全卷積網絡（FCN）簡介

FCN是一種用于圖像語義分割的深度學習框架，由UC Berkeley的Jonathan Long等人在2015年提出。它是首個能夠進行端到端像素級預測的全卷積網絡。

FCN的關鍵技術
1.卷積化：FCN使用VGG-16作為backbone，將全連接層轉換為卷積層，使網絡能夠輸出與輸入圖片大小相同的heatmap。

2.上采樣：為了從較小的特征圖中恢復到原圖大小，FCN采用上采樣技術。這通常涉及到雙線性插值，并在網絡中通過反向傳播學習非線性上采樣。

3.跳躍結構（Skip Layer）：FCN通過跳躍結構結合深層的全局信息和淺層的局部信息，以提高分割的精確度。例如，FCN-8s通過將底層的預測與pool3層的預測相加，來獲取更多的局部細節。

FCN的網絡特點

適應性：不含全連接層，可以接受任意尺寸的輸入。
精細度：通過反卷積層增大數據尺寸，輸出更精細的結果。
擼棒性與精確性：結合不同深度層的結果，確保了分割結果的擼棒性和精確性。

---

雖然這一節技術的內容實在是太難了，入門的門檻太高了，但是我對圖像語義分割和FCN全卷積網絡有了更深入的理解，我相信隨著技術的不斷進步，這些技術將在圖像處理領域發揮更大的作用。同時，我也期待自己能夠在實踐中不斷探索和應用這些技術，以解決更多實際問題。