昇思25天学习打卡营第10天|计算机视觉之FCN图像语义分割

全卷积网络（Fully Convolutional Networks，FCN）是UC Berkeley的Jonathan Long等人于2015年在Fully Convolutional Networks for Semantic Segmentation[1]一文中提出的用于图像语义分割的一种框架。主要内容包括：语义分割、数据处理、网络构建、训练准备、模型训练、模型评估、模型推理七个步骤，总体来

挂在树梢的松鼠

418人浏览 · 2024-07-03 23:08:08

挂在树梢的松鼠 · 2024-07-03 23:08:08 发布

今天进行应用实践章节，虽然前面初级教程只学了个蒙懂，但不妨碍学习专业的内容。

这节内容主要是“FCN图像语义分割”

全卷积网络（Fully Convolutional Networks，FCN）是UC Berkeley的Jonathan Long等人于2015年在Fully Convolutional Networks for Semantic Segmentation[1]一文中提出的用于图像语义分割的一种框架。

FCN是首个端到端（end to end）进行像素级（pixel level）预测的全卷积网络。
主要内容包括：语义分割、数据处理、网络构建、训练准备、模型训练、模型评估、模型推理七个步骤，总体来看，应该就是之前初级入门教程在实践应用的方法。

模型采用了全卷积网络，包括卷积化、上采样、跳跃结构三种技术。

详见《FCN图像语义分割》