我或许有一个天真的问题，如果这不是询问这类问题的适当渠道，那我很抱歉。我已经成功实现了FCNN用于语义分段，但我没有涉及反卷积或拆分图层。
我简单地做的是将地面实况图像调整到我最终FCNN图层的大小，然后计算我的损失。通过这种方式，我获得了较小的图像作为输出，但正确分割。
是否需要解卷积或解放的过程？
我的意思是，在python中调整图像大小非常容易，那么为什么人们应该将复杂的技术作为deconv或unpooling来做同样的事情呢？当然我想念一些东西。
使用解放和执行deconv扩大图像的优势是什么？
答案 0 :(得分：0)
卷积步骤后网络的输出小于原始图像：您可能不希望这样，您希望对作为输入的图像进行语义分割。
如果您只是将其调整为原始大小，则会插入新像素，因此缺乏精度。解卷积层允许学习此调整大小（因为他们在训练期间通过反向传播学习），因此可以提高分割精度。