FCN (Fully Convolutional Networks)

1. 전통적인 CNN 분류기에서 마지막에 쓰이던 Flattern + Dense 층을 1x1 합성곱으로 바꿔 모든 계층이 합성곱 연산만 수행한다. 따라서 파라미터 수가 줄고 위치 정보를 잃지 않는다.

2. FCN은 가변 크기 입력을 받을 수 있고, 업샘플링으로 입력과 동일한 해상도의 피처맵을 만든다. 이는 이미지 분류가 아닌 sementic segmentation 등 Dense prediction 에 적합하다.

3. End-to-End 학습을 한다. 손실 함수가 각 픽셀의 클래스에 대해 계산되므로, 전체 네트워크를 한 번에 역전파해 학습할 수 있다.

4. deconvolution + skip 결합한다. 깊은 층의 추상적 의미와 얕은 층의 세밀한 위치 정보를 skip-connection으로 합쳐 경계 선명도를 높인다.

5. 추론 속도 및 메모리 효율이 좋다.

출처
geeksforgeeks