Red Neuronal Totalmente Convolucional (FCN)
La Red Neuronal Totalmente Convolucional (FCN), introducida por Long, Shelhamer y Darrell en CVPR 2015, fue la primera arquitectura de aprendizaje profundo de extremo a extremo entrenada para producir mapas de segmentación semántica densos píxel a píxel a partir de imágenes de tamaño arbitrario. Al reemplazar las capas totalmente conectadas de una CNN de clasificación con capas convolucionales y añadir sobremuestreo aprendido a través de convoluciones transpuestas y conexiones de salto, la FCN permitió la predicción directa de una etiqueta de clase para cada píxel en una imagen, estableciendo la plantilla para todas las arquitecturas de segmentación posteriores, incluidas U-Net y DeepLab.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully Convolutional Networks for Semantic Segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Shelhamer, E., Long, J., & Darrell, T. (2017). Fully Convolutional Networks for Semantic Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39(4), 640–651. DOI: 10.1109/TPAMI.2016.2572683 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9). MIT Press. ISBN: 978-0-262-03561-3
Cómo citar esta página
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/es/deep-learning/fully-convolutional-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (Red Neuronal Residual)Aprendizaje profundo↔ compare
- U-NetAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →