FCN网络理解

传统的基于卷积神经网络的分割方法的做法通常是：为了对一个像素分类，使用该像素周围的一个图像块作为卷积神经网络的输入用于训练和预测。这会使得存储开销很大。eg：对每个像素使用的图像块的大小为15*15，则所需要的存储空间是原来图像的225倍；计算效率也很低，相邻的像素块，很大程度上是重复的，针对每个像素逐个计算卷积，这种计算也是重复的；像素块的答谢哦限制了感知区域的大小。通常像素快的大小比整幅图像的

>>阅读原文<<