Deep learning 什么是完全卷积层？

什么是完全卷积的AIONL层？我的意思是，为什么它是完全的？我对书中的措辞感到很困惑

---

是因为他们从不使用完全连接的层吗或是因为图2中描述的“卷积电离”获得的卷积层的内核覆盖了整个输入区域吗？

您是否看到此图像中的最后一部分“完全连接”在完全卷积网络中，我们删除了此部分。但是，既然我们已经有了许多具有大激活图的通道，那么如何进行分类呢

在您提到的示例中，他们进行上采样，其成本函数是测量重新解释的图像（上采样）与地面真实值之间的误差

所以为什么它被称为完全卷积，因为它只是卷积。空间特征提取

---

这个短语来自“完全连接层”和“卷积层”的混合。您可以将其视为作用于图像子区域的完全连接层。然后，不是为整个图像获取单个输出特征向量，而是获取一组向量，每个向量对应于其相应的图像部分。向量形成以生成映射，这让人想起卷积特征映射。

我投票结束这个问题，因为它不是（直接）关于编程，而是关于机器学习中的术语。这可能是@MSalters上的主题谢谢您的反馈。但是很少有人已经回答了。我不能删除它，可以吗？它不是完全卷积层，它是一个完全卷积的网络。