Полностью свёрточная сеть (FCN)
Полностью свёрточная сеть (FCN), представленная Лонгом, Шелхамером и Дарреллом на CVPR 2015, стала первой сквозной архитектурой глубокого обучения, предназначенной для создания плотных карт семантической сегментации пикселей из изображений произвольного размера. Заменив полносвязные слои классификационной свёрточной нейронной сети (CNN) на свёрточные слои и добавив обучаемую повышающую дискретизацию посредством транспонированных свёрток и остаточных связей, FCN позволила напрямую предсказывать метку класса для каждого пикселя изображения, заложив основу для всех последующих архитектур сегментации, включая U-Net и DeepLab.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/ru/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 (Остаточная сеть)Глубокое обучение↔ compare
- U-NetГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →