score
傳統(tǒng)的用CNN做分類的方法都是最后接全連接層嗡善，一張圖片對(duì)一個(gè)類有一個(gè)score
FCN for sementic segmentation
score map
FCN for SS 對(duì)每一個(gè)pixel（對(duì)每一個(gè)類）都求了score十偶，所以最后一張圖片對(duì)一個(gè)類得到的是一個(gè)score map
InstanceFCN
position-sensitive score map
對(duì)一個(gè)ROI (region of interest - proposal) ，將其分成k×k個(gè)區(qū)域淋样，每個(gè)區(qū)域都分別預(yù)測(cè)k×k個(gè)位置是某個(gè)類的score。表示是這個(gè)類胁住，并且是這個(gè)類的某個(gè)位置(左上/中間...)的score趁猴，所以是position-sensitive。最后一個(gè)ROI對(duì)一個(gè)類對(duì)應(yīng)k×k個(gè)score map
FCIS
position-sensitive inside/outside score map
一個(gè)區(qū)域可能是一個(gè)類的前景彪见，就可能是另一個(gè)類的背景儡司。這個(gè)方法中ROI的一個(gè)區(qū)域計(jì)算了兩個(gè)score，inside和outside企巢。inside表示該區(qū)域?qū)儆谶@個(gè)類枫慷，outside表示該區(qū)域不屬于這個(gè)類。所以最后一個(gè)ROI對(duì)一個(gè)類對(duì)應(yīng)2×k×k個(gè)score map。共2(C+1)×k^2個(gè)score map
