1、FCN

1.1 输入和输出

FCN网络的输入是任意尺寸的彩色图片，输出是相同尺寸，通道数变为n（目标类别数）+1（背景）

1.2 全卷积

在FCN网络中，不使用全连接层，而全部使用卷积，（目的是为了保留图片原本的空间结构）

1.3 上采样

由于在卷积过程中，对图片特征的提取导致图片的大小变的非常的小，为了得到原图像同样大小的稠密像素预测，需要进行上采样。上采样的方法一般有：反池化，插值法，反卷积。

1.4 skip 跳阶结构（特征融合）

为了得到原图像同样大小的像素，除了上步的上采样，还有就是经典的skip。简单来说就是在不同的卷计层提取特征来进行合并图像。我们知道不断卷积是为了来提取图像特征（从全局特征到局部特征之间的变化），所以skip经典的地方就在于这样做不进能结合局部特征（上采样）也能结合全局特征（skip）

2、FCN的网络架构

image.png

3、tensorflow实现

https://www.kaggle.com/xiaose/semantic-segmentation?scriptVersionId=30985688