CLS 02 · 从类别到区域与掩码

FCN 从密集像素预测出发

主线阅读与优先实验

同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口

FCN 从密集像素预测出发。网络在整个图像上产生类别分数图，再恢复到与输入相对应的输出尺度。深层特征容易汇聚较大范围的语义信息，但空间网格较粗；较浅层保留更细的位置线索。跳跃连接把这些层次的线索结合起来。FCN

对于两只杯子，语义分割可以把它们都标为“杯子”。然而一块连通的杯子像素既可能是一只宽杯，也可能是两只相接的杯子。类别值本身不规定实例数量。

因此有两条问题线：区域路线组织“哪些对象”与框；密集路线组织“哪些像素”与类别。 它们可以汇合，但不是沿一条箭头依次淘汰。