颜色分类leetcode FCN for Semantic Segmentation: 使用Keras实现FCN 8和FCN 16

颜色分类leetcode FCN-for-Semantic-Segmentation实现和测试FCN-16和FCN-8的性能。除此之外，CRF被用作后处理技术并比较结果。参考文献：用于语义分割的全卷积网络。实施步骤：1. 将分类器转换为密集FCN：用于语义分割任务的模型源自VGG。为了使模型适合密集预测，我们删除了VGG的最后一个全连接层，并用卷积替换它们。我们附加了一个通道维度为21的1x1卷积来预测每个粗输出位置处每个PASCAL类（包括背景）的分数，然后是一个反卷积层，将粗输出双线性上采样到像素密集输出。2. 将低层的特征转移到高层：为分割定义了一个新的全卷积网络（FCN），它结合了特征层次结构的层并改进了输出的空间精度。