推荐入门论文：《Fully Convolutional Networks for Semantic Segmentation》。

FCN，卷积神经网络用于图像语义分割的开山之作。目前已经引用了25942次。

FCN作为语义分割的开山之作，是当之无愧的TOP1。思想非常简单：直接端到端利用全卷积网络预测每个位置的标签。

虽然其效果目前被很多更新的设计超越，但其思想依然影响深远。后续非常多的方法，包括Mask R-CNN、各种单阶段检测器的诸多方法，多少受此简单想法的启发。

这也是当初入门图像分割时，idea惊艳到我的论文。

非常建议在学习U-Net、SegNet、DeepLab、GCN、DFANet、RedNet、RefineNet之前，先把FCN啃透复现，奠定你的图像分割基础。

虽然网上有很多讲解FCN的文章和视频，及复现讲解，但自己复现总是会碰到很多的问题，如果跟随资深的CV算法工程师，手把手教你一起复现，可以事半功倍。

这里推荐深度之眼 的《 图像分割 经典论文复现班 》：

↓ 扫描上方二维码加班主任 ↓

↓回复：FCN  免费参加 ↓

1

CV高手方法论，教你系统学习论文

深度之眼好评度超高的Cola导师 结合自己工作及学习经验，并配合深度之眼教研团的打磨，总结出一条CV基石论文 的 学习路径：

2

实时直播+录播  夯实FCN

Step1：系统了解 CV技术演化路径及发展历史

Step2：精讲语义分割开山之作 —FCN

FCN作为图像分割领域里程碑式论文，它提出了全卷积网络(FCN)的概念，针对语义分割训练了一个端到端，点对点的网络。其中包含了三个CNN核心思想：

① 不含全连接层(fc)的全卷积(fully conv)网络。可适应任意尺寸输入。

② 增大数据尺寸的反卷积(deconv)层。能够输出精细的结果。

③ 结合不同深度层结果的跳级(skip)结构。同时确保鲁棒性和精确性。

1套系统的方法论：2步走教你啃透FCN

Step1：深挖研究背景 

提纲挚领，从4大维度介绍论文，深入讲解论文发表的研究背景、成果及意义，介绍论文中取得的核心成果，对比解决同一问题，已有解决方法和论文中提出的新的解决方法的优缺点，熟悉论文的整体思路和框架，建立对本篇论文的一个概貌性认识。

Step2：死磕算法模型

老师会重点讲解论文中的模型原理，深入拆解模型结构，对关键公式逐步推导，让你了解算法每一个因子是如何对结果产生影响的，掌握实验手段及结果，老师会帮你拎出论文中的关键点、创新点和启发点，节约你自己摸索的时间。

3

高手伴学，实现高效学习

· 3天高质量社群服务，导师全程陪伴

· 实时直播+录播，带你学习正确论文精读方法论

· 100+学员同群交流，学习经验up up⬆⬆⬆

· 助教24小时答疑，再也不怕debug

· 专属班主任私信督学，治疗学习拖延症

重点是，如果你不知道怎么学习，购买课程后，班主任1v1给你制定学习计划！

4

完课即赠价值298元学习大礼包

为了激励大家完成学习，我们还准备了价值298元的算法工程师面试锦囊。只要完成全部课程的学习，你就能私信班主任获取！

5

学员好评，真香！

左右滑动查看更多

这一次，我为粉丝们申请了20个免费福利名额：

3天带你复现FCN

购买即赠《效率提升3倍的Paper阅读方法》

↓ 扫描上方二维码加班主任 ↓

↓回复：FCN  免费参与 ↓

如果你不知道怎么读论文、不知道如何正确复现论文，一定要跟着这门课程学习一次，因为正确的方法可以节约你10倍的阅读时间。