FCN

Fully convolutional networks for semantic segmentation

卷积网络是一种功能强大的可视化模型，它可以生成特性的层次结构。我们表明，卷积网络本身，经过训练的端到端，像素到像素，在语义分离方面超过了最先进的水平。我们的主要观点是建立“完全卷积”网络，它接受任意大小的输入，并以有效的推理和学习产生相应大小的输出。我们定义并详细描述了全卷积网络的空间，解释了它们在空间密度预测任务中的应用，并将它们与之前的模型联系起来。我们将当代的分类网络(AlexNet[20]、VGG net[31]和GoogLeNet[32])调整为完全卷积的网络，并通过微调[3]将其学习到的表示转移到分割任务中。然后，我们定义了askip架构，它结合了来自深层、粗糙层的语义信息和来自底层、精细层的外观信息，从而生成精确、详细的segmentations。我们的全卷积网络实现了PASCAL VOC(相对于2012年的62.2%的平均IU，提高了20%)、NYUDv2和SIFTFlow的最先进分割，而一个典型图像的推理时间不到五分之一秒。