Fully Convolutional Network (FCN)
Fully Convolutional Network (FCN), jonka Long, Shelhamer ja Darrell esittelivät CVPR 2015 -konferenssissa, oli ensimmäinen päästä päähän -syväoppimisarkkitehtuuri, joka koulutettiin tuottamaan tiheitä pikselitason semanttisia segmentointikarttoja mielivaltaisen kokoisista kuvista. Korvaamalla luokittelun CNN:n täysin kytketyt kerrokset konvoluutiokerroksilla ja lisäämällä opittua ylösskaalausta transponoitujen konvoluutioiden ja ohitusyhteyksien avulla, FCN mahdollisti luokkamerkinnän suoran ennustamisen jokaiselle pikselille kuvassa, luoden mallin kaikille myöhemmille segmentointiarkkitehtuureille, kuten U-Net ja DeepLab.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/fi/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 (Residual Network)Syväoppiminen↔ compare
- U-NetSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →