機器學習筆記——FCN（續）

FCN會在最後用反捲積（上池化）的方法將特徵圖恢復到原來大小，這樣有兩個好處，一、每個像素點代表原來的一個像素，可以實現予以分割對所有像素點分類的要求，二、經過多層卷積特徵很深，但也有缺點就是上採樣（反捲積）得到的特徵圖分辨率很低所以用跳層來解決。

>>阅读原文<<