FCN全连接卷积网络（5）--Fully Convolutional Networks for Semantic Segmentation阅读（相关工作部分）

相关工作

相关工作

1.重新设计和微调现有的分类模型来指导语义分割的密集预测内容。

2.虽然进去已有研究团队将卷积网络应用到密集预测任务当中，但是这些方面存在着一些不足，入感知范围有限、需要传统方法进行后处理等。

3.与现有网络不同，FCN使用图像分类作为监督式预训练来调整和扩展深度分类结构，并通过全卷积网络进行微调，目的是从整个输入图像和标签中简单高效的学习特征。

4.FCN将各层的特征融合在一起，旨在将全局特征和局部特征相结合，达到让网络自发微调的效果。

FCN全连接卷积网络（5）--Fully Convolutional Networks for Semantic Segmentation阅读（相关工作部分）

相关工作

相关工作

1.重新设计和微调现有的分类模型来指导语义分割的密集预测内容。

2.虽然进去已有研究团队将卷积网络应用到密集预测任务当中，但是这些方面存在着一些不足，入感知范围有限、需要传统方法进行后处理等。

3.与现有网络不同，FCN使用图像分类作为监督式预训练来调整和扩展深度分类结构，并通过全卷积网络进行微调，目的是从整个输入图像和标签中简单高效的学习特征。

4.FCN将各层的特征融合在一起，旨在将全局特征和局部特征相结合，达到让网络自发微调的效果。