[论文精读] 全卷积神经网络FCN

卷积网络正被广泛应用于推动图像识别技术的进步。这种深度学习模型不仅提升了整体图像信息的分类能力，并在具备结构化输出的任务中取得了显著进展，涵盖目标检测和关键点定位等多个方面。从粗到精的推理过程逐步优化直至实现对每一个像素的位置进行精确预测。

本文提出了一种全新的全卷积网络架构设计，在语义分割任务中实现了优异的表现。该方法基于端到端框架进行像素级别的特征提取与分类学习，在实验数据集上取得了超越现有方法的最佳性能指标。值得注意的是，在现有研究中尚属首次将全卷联立损失函数应用于FCN模型的设计；此外，在模型构建过程中首次采用监督预训练策略完成了FCN模型的构建

下面对FCN的关键点进行介绍。

一、调整分类器以进行密集预测

该处的上半部采用了经典的人工智能架构——8层层叠设计而成。具体而言，在最初的5个