Fully Convolutional Network for Semantic Segmentation

I classificatori di immagini standard producono un'etichetta per immagine schiacciando le informazioni spaziali in un vettore di lunghezza fissa attraverso strati fully connected. La FCN rimuove questo collo di bottiglia: ogni operazione è una convoluzione, quindi la rete può accettare qualsiasi dimensione di immagine e produce una mappa di punteggi spaziale con lo stesso layout dell'input. La rete prima contrae l'immagine attraverso strati di pooling per catturare il contesto, poi espande la mappa alla risoluzione completa utilizzando convoluzioni trasposte (upsampling appreso). Poiché i dettagli spaziali fini vengono persi durante la contrazione, la FCN introduce skip connections che aggiungono mappe di feature superficiali ad alta risoluzione al percorso di espansione, recuperando contorni netti a livello di pixel.