شبکه عصبی کاملا کانولوشنی (Fully Convolutional Network - FCN)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه عصبی کاملا کانولوشنی (Fully Convolutional Network - FCN) :
شبکه کاملا کانولوشنی (FCN) نوعی CNN است که فاقد لایه های کاملا متصل در انتها می باشد. این معماری توسط لانگ و همکاران در سال ۲۰۱۵ برای بخش بندی معنایی (semantic segmentation) تصاویر معرفی شد. هدف FCN این است که برای هر پیکسل، برچسب کلاس مربوطه را پیش بینی کند.
در CNNهای کلاسیک، بعد از لایه های کانولوشن و pooling، ویژگی ها به یک بردار تبدیل شده و به لایه های کاملا متصل داده می شوند که این کار اطلاعات مکانی را از بین می برد. FCN با جایگزینی لایه های کاملا متصل با لایه های کانولوشنی با فیلترهای بزرگ (که به آن ها کانولوشن ۱×۱ هم گفته می شود) و سپس استفاده از لایه های upsample (نمونه برداری بالا) مانند کانولوشن انتقالی (transposed convolution)، نقشه ویژگی را به اندازه تصویر اصلی برمی گرداند تا خروجی پیکسل به پیکسل داشته باشیم.
ساختار FCN شامل یک مسیر انقباضی (شامل لایه های کانولوشن و pooling برای استخراج ویژگی های معنایی) و یک مسیر توسعه ی (با upsample و اتصالات skip برای ترکیب ویژگی های ظریف از لایه های پایین تر با ویژگی های معنایی از لایه های بالاتر) است. اتصالات skip کمک می کنند تا مرزهای اشیاء دقیق تر شوند.
فرمول خروجی در یک لایه کانولوشن انتقالی (برای upsample) به صورت زیر است (اگر بخواهیم از حالت فشرده به ابعاد بزرگتر برسیم):
\[ \mathbf{Y} = \mathbf{W} * \mathbf{X} + \mathbf{b} \]که در آن
\[ * \]عملگر کانولوشن با stride مناسب برای افزایش ابعاد است (عملا همان deconvolution).
FCNها انقلابی در بخش بندی معنایی ایجاد کردند و الهام بخش معماری های بعدی مانند U-Net (که دارای skip connections بیشتر و متقارن است) و SegNet شدند.
کاربردها: بخش بندی تصاویر پزشکی (تشخیص تومور)، خودروهای خودران (تشخیص جاده و عابر)، ویرایش تصاویر، و واقعیت افزوده. FCN به دلیل کارایی و سادگی، هنوز هم پایه بسیاری از روش ها است.
آموزش FCN با تابع هزینه آنتروپی متقاطع پیکسل به پیکسل و با استفاده از تصاویر برچسب دار در سطح پیکسل انجام می شود.
