Fully Convolutional Network (FCN)
Fully Convolutional Network (FCN) ซึ่ง Long, Shelhamer และ Darrell นำเสนอในงาน CVPR 2015 เป็นสถาปัตยกรรม deep learning แรกที่ได้รับการฝึกฝนแบบ end-to-end เพื่อสร้างแผนที่ semantic segmentation แบบ pixel-wise ที่มีความหนาแน่นจากภาพที่มีขนาดใดก็ได้ โดยการแทนที่ชั้น fully connected ของ CNN สำหรับการจำแนกประเภทด้วยชั้น convolutional และการเพิ่มการ upsampling ที่เรียนรู้ได้ผ่าน transposed convolutions และ skip connections, FCN ทำให้สามารถทำนายป้ายกำกับคลาสสำหรับทุกพิกเซลในภาพได้โดยตรง ซึ่งเป็นต้นแบบสำหรับสถาปัตยกรรม segmentation อื่นๆ ทั้งหมดที่ตามมา รวมถึง U-Net และ DeepLab
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/th/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 (เครือข่ายส่วนที่เหลือ)การเรียนรู้เชิงลึก↔ compare
- U-Netการเรียนรู้เชิงลึก↔ compare