⑤ ディープラーニングの応用例／ 26. 画像認識

FCN (Fully Convolutional Network)とは

FCNとは、全結合層を畳み込み層に置き換え、ネットワーク全体を畳み込みベースにしたセグメンテーションモデルです。任意サイズの画像入力が可能で、ピクセル単位の分類を実現しました。

この用語はG検定シラバスの「26. 画像認識」に含まれます。章全体の用語は用語解説⑤（全133語）にまとまっています。

全結合層を畳み込み層に置き換えた、セグメンテーションの元祖モデルです。

なぜ全結合層をなくすのか

全結合層は入力サイズが固定されます。また画像を1列に並べてしまうため位置の情報が失われます。

画素単位で分類したいセグメンテーションではどちらも致命的です。そこで全結合層を1×1の畳み込みに置き換えることで、位置情報を保ったまま、任意サイズの入力に対応できるようにしました。

畳み込みとプーリングを重ねると出力は小さくなります。入力画像と同じ大きさの結果を得るには拡大（アップサンプリング）が必要です。

FCNではこの拡大を学習可能な形で行い、浅い層の情報も組み合わせて境界を補正しました。この考え方はUNetへ発展していきます。

小さくなった特徴マップを元のサイズに戻す方法には、逆畳み込み（転置畳み込み）や単純な補間があります。

逆畳み込みは拡大の仕方自体を学習できる点が利点です。セグメンテーションや画像生成で広く使われます。