Pilnībā konvolucionāls tīkls (FCN)
Pilnībā konvolucionālo tīklu (FCN), ko 2015. gadā CVPR konferencē iepazīstināja Longs, Šelamers un Darels, bija pirmā dziļās mācīšanās arhitektūra, kas tika apmācīta, lai radītu blīvas, pikseļu līmeņa semantiskās segmentācijas kartes no jebkura izmēra attēliem. Aizstājot klasifikācijas CNN pilnībā savienotos slāņus ar konvolucionāliem slāņiem un pievienojot apmācītu palielināšanu, izmantojot transponētās konvolūcijas un atspoles savienojumus, FCN ļāva tieši prognozēt klases etiķeti katram attēla pikselim, izveidojot pamatu visām turpmākajām segmentācijas arhitektūrām, ieskaitot U-Net un DeepLab.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/lv/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 (Atliekošais tīkls)Dziļā mācīšanās↔ compare
- U-NetDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →