Réseau entièrement convolutionnel (FCN)
Le Réseau Entièrement Convolutionnel (FCN), introduit par Long, Shelhamer et Darrell à la CVPR 2015, fut la première architecture d'apprentissage profond entraînée de bout en bout pour produire des cartes de segmentation sémantique denses pixel par pixel à partir d'images de taille arbitraire. En remplaçant les couches entièrement connectées d'un CNN de classification par des couches convolutionnelles et en ajoutant un sur-échantillonnage appris via des convolutions transposées et des connexions résiduelles (skip connections), le FCN a permis la prédiction directe d'une étiquette de classe pour chaque pixel d'une image, établissant le modèle pour toutes les architectures de segmentation ultérieures, y compris U-Net et DeepLab.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/fr/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 (Réseau Résiduel)Apprentissage profond↔ compare
- U-NetApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →