有沒有不帶全連接層的卷積神經(jīng)網(wǎng)絡(luò)？

在傳統(tǒng)的CNN結(jié)構(gòu)中，通常會在卷積層后面加上全連接層:

輸入至全連接層，在輸出層進行分類或者回歸的工作。

與此不同是，全卷積神經(jīng)網(wǎng)絡(luò)，F(xiàn)ully Convolutional Networks，F(xiàn)CN，是一個不含全連接層，由卷積層或池化層構(gòu)成的神經(jīng)網(wǎng)絡(luò)。

從結(jié)構(gòu)上來說，F(xiàn)CN由一系列卷積層和池化層組成，最后是一個轉(zhuǎn)置卷積層。

FCN會通過轉(zhuǎn)置卷積層，將中間層的特征圖的大小恢復(fù)到原始輸入圖像的大小，從而使預(yù)測結(jié)果與輸入圖像在高和寬上能夠一一對應(yīng)，進而實現(xiàn)像素級別的預(yù)測或分類。

FCN的典型應(yīng)用是語義分割任務(wù)。

在語義分割中，我們希望為輸入圖像中的每個像素，都分配一個類別標簽。

例如，這里將輸入圖像中的每個像素，預(yù)測為Person、Bicycle、Background三種標簽。

由于FCN具有全卷積的特性和對輸入圖像任意大小的適應(yīng)性。

因此可以精確地預(yù)測出圖像中每個像素的類別，從而在語義分割中表現(xiàn)得很好。

所以總結(jié)來說，如果面試官問你“有沒有不帶全連接層的卷積神經(jīng)網(wǎng)絡(luò)”，你應(yīng)該回答“FCN全卷積神經(jīng)網(wǎng)絡(luò)”。