通常CNN在卷積層之後會接上若干個全連線層，將卷積層產生的特徵圖（Feature Map）對映成一個固定長度的特徵向量進行分類。以AlexNet為代表的經典CNN結構適合於影象級的分類和迴歸任務，因為它們最後都期望得到整個輸入影象的一個數值描述，如AlexNet的ImageNet模型輸出一個1000維的向量，表示輸入影象屬於每一類的概率。例如，圖4.15中的貓，輸入AlexNet，得到一個長為1000的輸出向量，表示輸入影象屬於每一類的概率，其中在“tabby cat”這一類上響應最高。

    與物體分類要建立影象級理解任務不同的是，有些應用場景

    Lonjong等發表在CVPR2015的論文提出了，全卷積網路（FCN）進行畫素級的分類從而高效地解決了語義級別的影象分割問題。與經典的CNN在卷積層之後使用全連線層得到固定長度的特徵向量進行分類不同，FCN

Lonjong的論文包含了當下CNN的三個思潮，具體如下：

• 不含全連線層（FC）的全卷積（Fully Conv）網路，可適應任意尺寸輸入
• 增大資料尺寸的反捲積（Deconv）層，能夠輸出精細的結果
• 結合不同深度層結果的跳級（Skip）結構，同時確保魯棒性和精確性。

全卷積網路的原理：

    FCN將傳統CNN中的全連線層轉化成一個個的卷積層。如圖4.15所示，在傳統的CNN結構中，前5層是卷積層，第6層和第7層分別是一個長度為4096的一維向量，第8層是長度為1000的一維向量，分別對應1000個類別的概率。FCN將這3層也表示為卷積層，卷積核的大小（通道數，寬，高）分別為（4096,1,1）、（4096,1,1）、（1000,1,1）。這樣所有的層都是卷積層，故稱為全卷積網路。

    可以發現，經過多次卷積（還有Pooling）以後，得到的影象越來越小，解析度越來越低（粗略的影象），那麼FCN是如何得到影象中每一個畫素的類別的呢？為了從這個解析度低的粗略影象恢復到原圖的解析度，FCN使用了上取樣。例如經過5次卷積（和Pooling）以後，影象的解析度依次縮小了2、4、8、16、32倍。對於最後一層的輸出影象，需要進行32倍的上取樣，以得到與原圖一樣的大小。

    這個上取樣是通過反捲積（Deconvolution）實現的。對第5層的輸出（32倍放大）反捲積得到原圖大小，得到的結果還是不夠精確，一些細節無法恢復。於是，Jonathan將第4層的輸出和第3層的輸出也依次反捲積，分別需要16倍和8倍上取樣，結果就精細一些了。圖4.17所示的對比，可以看到他們得到的結果越來越精確。

    與傳統用CNN進行影象分割的方法相比，FCN有兩大明顯的優點：一是可以接受任意大小的輸入影象，而不用要求所有的訓練影象和測試影象具有同樣的尺寸；二是更加高效，因為避免了由於使用畫素塊帶來的重複儲存和計算卷積的問題。

    同樣FCN的缺點也比較明顯：一是得到的結果還是不夠精細，進行8倍上取樣雖然比32倍的效果好了很多，但是上取樣的結果還是比較模糊和平滑，對影象中的細節不敏感；二是對各個畫素進行分類，沒有充分考慮畫素與畫素之間的關係，忽略了在通常的基於畫素分類的分割方法中使用的空間規整（Spatial Regularization）步驟，缺乏空間一致性。