摘要：
FCN特点 1.卷积化 即是将普通的分类网络丢弃全连接层，换上对应的卷积层即可 2.上采样 方法是双线性上采样差 此处的上采样即是反卷积3.因为如果将全卷积之后的结果直接上采样得到的结果是很粗糙的，所以作者将不同池化层的结果进行上采样之后来优化输出 3.跳跃结构： 现在我们有1/32尺寸的heatM 阅读全文
摘要：
为什么要经过非线性化？因为没有激励函数的神经网络只能逼近线性的函数而不能逼近任意函数，神经网络的本质其实是一个参数待定的函数卷积神经网络参数共享：神经元用于连接数据窗的权重是固定的，这意味着，对同一个神经元而言，不论上一层数据窗口停留在哪个位置，连接两者之间的权重都是同一组数。那代表着，上面的例子中 阅读全文
