Rede Totalmente Convolucional (FCN)
A Rede Totalmente Convolucional (FCN), introduzida por Long, Shelhamer e Darrell na CVPR 2015, foi a primeira arquitetura de aprendizado profundo de ponta a ponta treinada para produzir mapas densos de segmentação semântica pixel a pixel a partir de imagens de tamanho arbitrário. Ao substituir as camadas totalmente conectadas de uma CNN de classificação por camadas convolucionais e adicionar upsampling aprendido através de convoluções transpostas e conexões de salto (skip connections), a FCN permitiu a predição direta de um rótulo de classe para cada pixel em uma imagem, estabelecendo o modelo para todas as arquiteturas de segmentação subsequentes, incluindo U-Net e DeepLab.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/pt/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 (Rede Residual)Aprendizado profundo↔ compare
- U-NetAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →