Neural network 在FCN（语义分割）中，类预测层位于何处？它是如何实现每像素预测的？

最近，我仔细阅读了FCN的论文，仍然有一个我自己没有回答的问题

简介：FCN是一种密集预测，预测每个像素属于哪个类别。在PASCAL的情况下，它将是21个类（21个对象+1个背景）。对于预测，较旧的方法是使用具有21个输出节点的FC层，并选择最高输出作为类。该层（类别预测层）位于网络的最末端，在我们计算损失函数时，它超出了类别。更新的方法，它可以由21个1x1 conv操作代替

我的问题是，一旦我读了这篇文章（特别是第4.1章），类预测层似乎就在粗略输出（融合特征映射）之后，然后是上采样层（见下面的图1）。在这种情况下，类预测层不在网络的最末端。这如何预测每个像素类别？起初，我认为类预测层位于网络的最末端（参见下面的图2）。因此，每像素将有21个1x1 conv操作用于每像素类预测。但是，当我阅读了我贴在下面的论文中的第4.1章后，我的想法改变了。你觉得这个怎么样

最好的

阿尔丁

单击下面的链接以查看附加图像