全卷積網路

全卷積網路（fully convolutional network，FCN）是把分類用的 CNN 端對端地改造成像素標記器的突破。其訣竅簡單卻深刻。像 VGG 這類分類器的尾端是全連接層（fully connected layers），會把空間特徵圖壓成一個向量與一個標籤——丟失了所有位置資訊。FCN 由 Long、Shelhamer 與 Darrell 於 2015 年提出，把那些全連接層重新詮釋為 1×1 卷積。由於每一層現在都是卷積，網路可接受任意輸入尺寸，並產生一張空間網格的類別分數，而非單一標籤。

然而那張網格很粗——反覆的池化已將它縮小（通常為 32 倍）。為了恢復完整解析度，FCN 接上可學習的上採樣層（轉置卷積 transposed convolution，有時鬆散地稱為反卷積 deconvolution），把分數圖放大回輸入尺寸。天真地放大 32 倍會得到模糊、團塊狀的遮罩，因此 FCN 加入跳接（skip connections）：把來自深層、語意豐富但粗糙的預測，與來自淺層、解析度較高的較細預測結合起來。FCN-32s、FCN-16s、FCN-8s 三個變體的差別在於融合了幾條跳接；融合最多細節的 FCN-8s 輸出最俐落。

概念上，FCN 像是把一個分類器在影像上滑動、在每個位置讀出一個類別，但它透過共享計算在單一次前向傳遞中高效完成。這一個想法——把稠密層換成卷積、再上採樣——是後來幾乎每一個分割架構的根基，包括 U-Net、SegNet 與 DeepLab 家族。連 Mask R-CNN 都用一個迷你 FCN 作為它逐區域的遮罩頭。