什么是全卷积神经网络怎么理解

一、安达网友解答:

1．我们先了解什么是卷积神经网络：传统的神经网络分为三层：输入层、隐藏层、输出层而卷积神经网络分为：输入层、卷积层、激励层、池化层、全连接层全卷积神经网络（FCN）与卷积神经网络（CNN）的区别在把于CNN最后的全连接层换成卷积层，输出的是一张已经Label好的图片.

2．详细一点地来说就是FCN对图像进行的是像素级的一个分类与CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同FCN是可以接收任意大小的输入图像的，采用反卷积层对最后一个卷积层的特征图进行上采样，就可以让他恢复到同雨来输入图像的相同尺寸了这样一来就可以对每个像素都产生一个预测，并且同时还保留了原始图像中的空间信息，最后在上采样的特征图上进行像素分类还有FCN的缺点：那就是在对各个像素进行分类的时候，FCN并没有考虑到像素之间的一个关联，这样分类效果是不够精细的.

二、宿迁网友解答:

谢谢邀请.卷积神经网络是一种深度前馈人工神经网络，已经成功的应用图像识别.可以进行大型图像处理.