全卷积网络 (FCN)

全卷积网络（Fully Convolutional Network, FCN）是深度学习领域的一种创新架构，其核心在于用卷积层替代传统卷积神经网络（CNN）中的全连接层。该架构由 AlexNet 的改进版提出，旨在解决图像分割等需要密集预测输出的任务。与传统 CNN 依赖固定尺寸输入及全连接层进行全局映射不同，FCN 完全由卷积层和池化层构成，能够处理任意尺寸的输入图像，并直接输出与输入空间对齐的像素级预测结果，从而实现了从图像分类到像素级语义分割的范式转变。

在现代计算架构与计算机视觉生态中，全卷积网络占据了图像语义分割领域的基石地位。它打破了传统 CNN 对输入尺寸和输出格式的严格限制，使得模型能够直接对图像中的每一个像素进行分类，极大地简化了后续后处理流程。尽管其原始版本在精度上略逊于引入跳跃连接（Skip Connections）的后续变体（如 U-Net 或 DeepLab），但其“全卷积”的核心理念奠定了现代分割网络的基础，推动了从分类到检测、分割任务的统一架构演进。