Fullt konvolusjonelt nettverk (FCN)
Det fullt konvolusjonelle nettverket (FCN), introdusert av Long, Shelhamer og Darrell på CVPR 2015, var den første ende-til-ende dyp læringsarkitekturen trent for å produsere tette pikselvise semantiske segmenteringskart fra bilder av vilkårlig størrelse. Ved å erstatte de fullt tilkoblede lagene i en klassifiserende CNN med konvolusjonslag og legge til lært oppsampling gjennom transponerte konvolusjoner og hoppkoblinger, muliggjorde FCN direkte prediksjon av en klasselabel for hver piksel i et bilde, og etablerte malen for alle påfølgende segmenteringsarkitekturer, inkludert U-Net og DeepLab.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/no/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)Dyp læring↔ compare
- U-NetDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →