摘要： 这篇论文主要介绍了如何使用图片级标注对像素级分割任务进行训练。想法很简单却达到了比较好的效果。文中所提到的loss比较有启发性。 大体思路： 首先同FCN一样，这个网络只有8层（5层VGG，3层全卷积）。不同的是由于图片只有image-level的标注，所以输出图像的清晰度无法保证，所以没有反卷积。 阅读全文

摘要： 作者：李洲链接：https://www.zhihu.com/question/20169638/answer/18205965来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 转载一个对我帮助很大的研究生手册，作者是台湾清华大学的彭明辉教授。比较长，但绝对值得一读。就我 阅读全文

摘要： 一、FCN中的CNN 首先回顾CNN测试图片类别的过程，如下图： 主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fully connected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后 阅读全文