Fullständigt faltningsnätverk (FCN)
Det fullständigt faltningsnätverk (FCN), introducerat av Long, Shelhamer och Darrell vid CVPR 2015, var den första djupinlärningsarkitekturen som tränades för att producera täta pixelvisa semantiska segmenteringskartor från bilder av godtycklig storlek. Genom att ersätta de fullt anslutna lagren i ett klassificerande CNN med faltningslager och lägga till inlärd uppsampling genom transponerade faltningar och hoppkopplingar, möjliggjorde FCN direkt prediktion av en klassetikett för varje pixel i en bild, vilket etablerade mallen för alla efterföljande segmenteringsarkitekturer inklusive U-Net och DeepLab.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/sv/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)Djupinlärning↔ compare
- U-NetDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →