Fully Convolutional Network (FCN)
Long, Shelhamer, and Darrell이 CVPR 2015에서 소개한 Fully Convolutional Network (FCN)는 임의 크기의 이미지로부터 밀집된 픽셀 단위 의미론적 분할 맵을 생성하도록 훈련된 최초의 종단간(end-to-end) 딥러닝 아키텍처였습니다. 분류 CNN의 완전 연결 계층(fully connected layer)을 컨볼루션 계층으로 대체하고, 전치 컨볼루션(transposed convolution)과 스킵 연결(skip connection)을 통한 학습 가능한 업샘플링을 추가함으로써, FCN은 이미지 내 모든 픽셀에 대한 클래스 레이블을 직접 예측할 수 있게 하여 U-Net 및 DeepLab을 포함한 모든 후속 분할 아키텍처의 템플릿을 확립했습니다.
방법 전문 읽기
무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →