FC FCN

CNN의 레이어는 크게 두 가지 부분으로 나뉩니다..

1. Convolution/Pooling 메커니즘은 이미지를 형상으로 분할하고 분석.

2. FC(Fully Connected Layer)로, 이미지를 분류/설명하는 데 가장 적합하게 예측.

FC(Fully connected layer)를 정의하자면,

완전히 연결 되었다라는 뜻으로,

한층의 모든 뉴런이 다음층이 모든 뉴런과 연결된 상태로

2차원의 배열 형태 이미지를 1차원의 평탄화 작업을 통해 이미지를 분류하는데 사용되는 계층입니다.

---

​

1. 2차원 배열 형태의 이미지를 1차원 배열로 평탄화

2. 활성화 함수(Relu, Leaky Relu, Tanh,등)뉴런을 활성화

3. 분류기(Softmax) 함수로 분류

​

1~3과정을 Fully Connected Layer라고 말할 수 있습니다.

​
[출처][딥러닝 레이어] FC(Fully Connected Layers)이란?|작성자 인텔리즈

===========

FCN (Fully Convolutional Networks

CNN 기반의 Image classification 모델들은 출력에서 이미지를 분류하기 위해 출력층이 Fully-connected layer 로 구성되어 있다.

하지만 이미지에서 픽셀 위치를 찾는 Semantic Segmentation에서는 FC의 단점이 드러난다

convolution 연산에서는 위치정보가 유지되지만 FC를 실행하는 순간 위치정보가 사라진다는 점
마지막 Dense layer가 고정되어있기 때문에 가중치 유지를 위해 결국엔 Input Size도 동일해야 된다는 점
따라서 FCN(Fully convolution networks)에서는 FC(Fully connected layer)를 모두 Convolution layer로 대체하는 방법을 내세웠다.

= Dense layer 를 Conv layer로 대체한다

이렇게 될 경우 output 은 이미지의 위치정보를 내포하게 된다.

그러나 Input 에 비해 너무 거친 위치정보를 내포하게 된다.