FCN(全卷积神经网络)图像语义分割的一种框架，是深度学习用于语义分割领域的开山之作。FCN将传统CNN后面的全连接层换成了卷积层，这样网络的输出将是热力图而非类别；同时，为解决卷积和池化导致图像尺寸的变小，使用上采样方式对图像尺寸进行恢复。

FCN网络的特点：

• 不含全连接层的全卷积网络，可适应任意尺寸输入；
• 反卷积层增大图像尺寸，输出精细结果；
• 跳级结构，确保鲁棒性和精确性。

语义分割是对图像中的每个像素进行分类，输出的类别预测与输入图像在像素级别上具有一一对应关系：通道维的输出即为该位置对应像素的类别预测。

FCN 采用卷积神经网络实现了从图像像素到像素类别的变换，区别于图像分类和目标检测中的卷积神经网络，全连接卷积神经网络通过引入转置卷积将中间层特征图的高和宽变换回输入图像的尺寸。

• FCN是用深度学习神经网络来做语义分割的奠基性工作
• 它用转置卷积层来替换CNN最后的全连接层，从而可以实现每个像素的预测