全卷积（fullyconvolution）

全卷积模型&＃xff1a;将之前我们cnn模式后面的全连接层换成卷积层&＃xff0c;所以整个网络都是卷积层。其最后输出的是一张已经标记好的热图&＃xff0c;而不是一个概率值。

第6、7、8层分别是长度是4096、4096、1000的一维向量。最后输出一个1000维的向量表示输入图像属于每一类的概率。

在FCN中第6、7、8层都是通过卷积得到的&＃xff0c;卷积核的大小全部是1 * 1&＃xff0c;第6层的输出是4096 * 7 * 7&＃xff0c;第7层的输出是4096 * 7 * 7&＃xff0c;第8层的输出是1000 * 7 * 7&＃xff08;7是输入图像大小的1/32&＃xff09;,即1000个大小是7*7的特征图&＃xff08;称为heatmap而不是featuremap&＃xff09;