Mạng Tích chập Hoàn toàn (FCN)
Mạng Tích chập Hoàn toàn (FCN), được giới thiệu bởi Long, Shelhamer và Darrell tại CVPR 2015, là kiến trúc học sâu đầu tiên được huấn luyện để tạo ra bản đồ phân đoạn ngữ nghĩa dày đặc theo từng pixel từ các ảnh có kích thước tùy ý. Bằng cách thay thế các lớp kết nối đầy đủ (fully connected) của một CNN phân loại bằng các lớp tích chập và bổ sung quá trình nội suy ngược học được thông qua các phép tích chập chuyển vị (transposed convolutions) cùng các kết nối bỏ qua (skip connections), FCN cho phép dự đoán trực tiếp nhãn lớp cho mỗi pixel trong ảnh, thiết lập khuôn mẫu cho tất cả các kiến trúc phân đoạn sau này bao gồm U-Net và DeepLab.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Fully Convolutional Network for Semantic Segmentation. ScholarGate. https://scholargate.app/vi/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 (Mạng Tích chập Tái sinh)Học sâu↔ compare
- U-NetHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →