姓名：Jyx
班级：csdn人工智能直通车-5期
描述：这是本人在学习人工智能时的学习笔记，加深理解
语义分割：语义分割就是对图片上的每个像素按照其所属的实例类型进行分类。如下图
传统的网络包含pool层，增大感受野，但对应的输出尺寸也会降低，要想做pixelwise prediction，必须保证输出尺寸与原图等大，但原来的结构最后被展开成一维向量丢失了位置信息，FCN替换了最后的全连接层换为CNN，并通过反卷积得到与原图等大的图像，提高精度
FCN模型：
全链接层：
fcn模型是一个比较宽泛的概念，它可基于一个卷积分类网络创建，例如vgg，卷积分类网络的最后几层一般为全连接层，来产生分类输出，fcn提出将全连接层改为全卷积层，以保留更多的位置信息。并通过反卷积提供像素级别的分类预测
跳跃结构
fcn模型还可以通过混合原卷积网络中间层的结果来改善分类性能。卷积网络在各个层的池化过程中感受野越来越大，但相应的位置信息也就越来越模糊，通过加入中间层（更大的size）的结果，可以混合更加精确的位置信息从而改善结果
通过对vgg网络结果层2倍上采样与pool4相加，再16倍上采样得到fcn x16
如果对上述结果两倍上采样与pool3相加，再倍上采样得到fcb x8
条件随机场
另外，在得到结果后，还可以通过条件随机场提高精度