选自Medium，作者：FarhanAhmad，机器之心编译，参与：李诗萌、路。

全卷积网络自年出现以来，在图像分类和图像检测领域取得了巨大成功。本文利用笔记本电脑构建了一个小型全卷积网络，详细介绍了全卷积网络的思路、过程等等，值得一看

语义分割是一种学习如何识别图像中对象范围的机器学习技术。语义分割赋予机器学习系统与人类相似的理解图像内容的能力。它促使机器学习算法定位对象的精准边界，无论是街景图像中的汽车和行人，还是医疗图像中的心脏、肝脏和肾脏。

左图：分割后的CT扫描图像（图源：SemanticScholar）。右图：分割后的街景图像（图源：CityscapesDataset）

在语义分割方面有一些优秀的文章，这篇文章也许是最全面的：资源

从全连接层到大型卷积核：深度学习的语义分割全指南

这篇文章的主要内容是如何针对MNIST数字建立一个小而快速的语义分割网络。

背景

语义分割网络有很多类，本文的重点在于全卷积网络（FCN）。Berkely的论文（

转载请注明:http://www.aideyishus.com/lktp/4883.html