在灰度图像上使用CNN进行边缘检测，在几个卷积层之后，如何调整完全连接的层的大小，使得输出也是二维图像？
例如，参考下图，我该如何从fully connected图层转到Output Edge Map？ （参考：Wang，R。2016.神经网络进展2016年ISNN）
我是机器学习的新手。我对CNN的工作方式有了深刻的理解。特别是对于分类问题，我理解（最后）完全连接的层需要产生具有与类别一样多的元素的输出（例如，数字识别任务的输出需要具有大小[10,1]）。
就我而言，我想用原始图像为CNN提供信息，以便以二进制格式输出其边缘。因此，如果原始图像的大小为[x,y]，则输出的大小也必须为[x,y]。但在这里我感到困惑。这是否意味着我完全连接的层的权重矩阵是三维的？即[W] = [N,x,y]，W权重矩阵和N节点数？或者最终得到需要重新整形为[x*y,1]的一维输出[x,y]？如果是这样，我首先不会失去使用CNN的好处吗？
我感谢任何有助于我自己搜索的教程的帮助，评论或说明。
