Fully Convolutional Network (FCN)
Sieć w pełni splotowa (Fully Convolutional Network, FCN), wprowadzona przez Longa, Shelhamera i Darrella na konferencji CVPR w 2015 roku, była pierwszą architekturą głębokiego uczenia trenowaną od początku do końca, która generuje gęste, pikselowe mapy semantycznej segmentacji z obrazów o dowolnych rozmiarach. Zastępując warstwy w pełni połączone (fully connected) w klasyfikacyjnej sieci CNN warstwami splotowymi oraz dodając nauczane przeskalowanie w górę (upsampling) za pomocą splotów transponowanych (transposed convolutions) i połączeń pomijających (skip connections), FCN umożliwiła bezpośrednie przewidywanie etykiety klasy dla każdego piksela w obrazie, ustanawiając wzorzec dla wszystkich późniejszych architektur segmentacji, w tym U-Net i DeepLab.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/pl/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)Uczenie głębokie↔ compare
- U-NetUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →