创建全卷积网络答案

【问题标题】：creating fully convolution network创建全卷积网络
【发布时间】：2019-02-11 07:06:42
【问题描述】：

我正在阅读这篇研究论文fully convolutional network for semantic segmentation，以下是这篇论文的引述

这些网络的全连接层具有固定的维度并丢弃了空间坐标。 但是，这些全连接层也可以被视为具有覆盖其整个输入区域的内核的卷积。

我不明白粗体部分，但在互联网上进行了一些研究后，我得出的结论是，如果我删除最后一层（即全连接层）然后卷积最后一层（在删除全连接层之前倒数第二） ) 使用三个 1x1 内核，我将做与粗体部分所说的相同的事情。 我说的对吗？

为什么是三个 1x1 内核？

因为在论文中他们从原始输入创建了一个 rgb 热图，而 rgb 表示三个通道，但是卷积网络（没有完全连接层）的结果是有很多通道（高维），因此使用三个 1x1 内核进行卷积它是一个 rbg 图像。 Image from paper

【问题讨论】：

【解决方案1】：

假设您在倒数第二层有一个 200X200 矩阵。然后，如果您要使用全连接层，您会将 200X200 矩阵转换为单个一维数组。这意味着一个大小为 40000 的数组。这就是丢弃空间坐标的意思。如果您正在应用 1x1 内核，同样的事情也会发生。你会得到一个类似的，像素值没有变化。

【讨论】：