[CLS 02 · 从类别到区域与掩码](/course/notebooks/f9ab632ba16b4f2084669791cba6ba85.html)

# FCN 从密集像素预测出发
[独立阅读](/course/notebook-blocks/e07a99e024e54a96b95494f93248d35f.html)
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](https://arxiv.org/abs/1411.4038)

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。