Berkeley团队于2014年提出Fully Convolutional Networks（FCN）方法用于图像语义分割，将图像级别的分类扩展到像素级别的分类。
FCN可以接受任意尺寸的输入图像，采用转置卷积层对最后一个卷积层的feature map进行上采样，使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生一个预测，同时保留了原始输入图像中的空间信息，最后在上采样的特征图上进行逐像素分类。
下图，原始图片经过FCN的模型，作特征提取，最后得到的特征图会进行上采样，得到的跟原始图像尺寸相同的作为逐像素分类的输出结果(如果是的原始图片，则最后的特征图也有10000个像素点，每个像素点都会被分类到1个类别中) 。用的VOC数据集，得到21(包括背景)个特征图，也是21个类别的概率值。每一个特征图管1个类别，预测每一个像素点属于这1类别的概率。最后把每一个像素点分类到概率最大的类别中
全卷积网络的由来
FCN将传统CNN中的全连接层转化成一个个的卷积层，使用1x1的卷积来替代全连接层
卷积后再进行转置卷积
可以发现，经过多次卷积和池化以后，得到的图像越来越小，分辨率越来越低。为了从这个分辨率低的粗略图像恢复到原图的分辨率，FCN使用了上采样。例如经过5次卷积和池化以后，图像的分辨率依次缩小了2，4，8，16，32倍。对于最后一层的输出图像，需要进行32倍的上采样，才能得到原图一样的大小。
这个上采样是通过转置卷积（deconvolution）实现的。对第5层的输出转置卷积（32倍放大）到原图大小，得到的结果还是不够精确，一些细节无法恢复。
跳级连接
为了解决此问题，作者引入了跳级连接的策略；FCN-16s的含义是：首先将最后一层上采样(长宽只变大两倍，也就是跟第4次池化得到的特征图一样的尺寸)。然后和池4层的预测结合起来，最后再上采样恢复为原图大小，使网络能够更好地预测细节，同时保留高级别的语义信息；FCN-8s的含义是：同样的，具体过程可见下图
经过5次池化的特征图已经很小了(保留的信息很少)，经过32倍上采样才能恢复到原始输入图像的大小，因为保留的信息很少，上采样得到特征图很粗糙(分割效果很粗糙)；所以用跳级结构：
先将最后的特征图2倍上采样，得到的特征图跟第4次池化得到的特征图尺寸是一样的；这样就可以把两者数值加起来得到新的特征图；
再把新的特征图2倍上采样，再跟pool3得到的特征图累加起来得到新的特征图；
最后用上面的特征图8倍上采样，得到跟原始输入图像尺寸一样的特征图(分辨率较高，包含的信息较多，分割效果更精细)，用来作预测
不同上采样对比
下图是32倍，16倍和8倍上采样得到的结果的对比，可以看到它们得到的结果越来越精确(分割效果由粗糙到精细)。
损失函数和结果预测
逐个像素计算softmax分类的损失，通过逐个像素地求其在N（分类个数）个种类中每个种类的概率，将最大概率的种类作为该像素的分类。
训练时，对每一个像素都要计算loss，100x100的图像就有10000个像素，所以计算量是很大的。
测试时也是每个像素都要分类。总之图像分割的算法速度是比较慢的。
FCN结果分析对比不同上采样方式的结果
对比不同上采样方式的结果
FCN-32s-fixed只微调Vgg16最后1层的权值，直接32倍上采样，其结果也是最差的；
FCN-32s微调Vgg16整个网络的权值，直接32倍上采样，结果比FCN-32s-fixed好了挺多；
FCN-8s在最后的特征图作2倍的上采样，再跟第4个池化的输出结合起来，进行2倍的上采样，最后跟第3个池化的输出结合起来，进行8倍的上采样。其结果是最好的。
其实作者也进行过FCN-4s，试验结果没有FCN-8s好。
用500×500 input 在 NVIDIA Tesla K40c 上测试了不同的网络结构
