python - 创建全卷积网络

Question

我正在阅读这篇研究论文完全卷积网络进行语义分割，以下是这篇论文的引述

这些网络的全连接层具有固定的维度并丢弃了空间坐标。然而，这些全连接层也可以被视为具有覆盖其整个输入区域的内核的卷积。

我不明白粗体部分，但是在互联网上进行了一些研究后，我得出的结论是，如果我删除最后一层（即全连接层），然后将最后一层（在删除全连接层之前的倒数第二层）与三个卷积1x1 内核，我将做与粗体部分相同的事情。我在这里正确吗？

为什么是三个 1x1 内核？

因为在论文中，他们从原始输入创建了一个 rgb 热图，而 rgb 表示三个通道，但是卷积网络（没有完全连接层）的结果有很多通道（高维），因此使用三个 1x1 内核进行卷积以使其成为 rbg图片。纸上的图像

标签： pythontensorflowconv-neural-network

Answer 1

假设您在倒数第二层有一个 200X200 矩阵。然后，如果您要使用全连接层，您会将 200X200 矩阵转换为单个一维数组。这意味着一个大小为 40000 的数组。这就是丢弃空间坐标的意思。如果您正在应用 1x1 内核，同样的事情也会发生。你会得到一个类似的，像素值没有变化。