Rangkaian Konvolusional Penuh (FCN)
Rangkaian Konvolusional Penuh (FCN), diperkenalkan oleh Long, Shelhamer, dan Darrell di CVPR 2015, merupakan seni bina pembelajaran mendalam pertama yang dilatih secara hujung-ke-hujung untuk menghasilkan peta segmentasi semantik piksel-demi-piksel yang padat daripada imej bersaiz sewenang-wenangnya. Dengan menggantikan lapisan bersambung penuh bagi CNN pengelasan dengan lapisan konvolusional dan menambah penaikan skala yang dipelajari melalui konvolusi transpos dan sambungan pintasan, FCN membolehkan ramalan langsung label kelas bagi setiap piksel dalam imej, mewujudkan templat untuk semua seni bina segmentasi seterusnya termasuk U-Net dan DeepLab.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/ms/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)Pembelajaran Mendalam↔ compare
- U-NetPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →