图片基础
一个图片通常表现为3维矩阵，长、宽、通道，其中长*宽构成了分辨率，而有多少个通道就相当于有多少个"调色板"页面，这些调色板共同构成了每个像素点的色彩。
eg:1080p的rgb图片，就是1920*1080,通道数为3，其中rgb分别可取（0-255）；而单通道就是灰度图像，取值（0-255）
CNN
CNN【卷积 → 激活 → 池化】 视为一个基础块，其中卷积层的每一个卷积核（滤波器）都可以提取一个特征，而激活层的Re-LU可以将卷积后此特征不明显的值设为0，再经过池化层，保留更为显著的特征（从“精确位置”到“空间存在”）。
随着多层的卷积输出，通道数增加，长、宽降低，而通道意义也变为了不同特征的强弱分布，有多少种通道就对应着多少种特征；
池化操作减少特征图中 参数数量、保留显著特征，只描述哪一个区域有，而不用具体到点。
经过一些列的卷积、激活、池化操作，最终得到长、宽小，而通道数大的特征图 ，经过全连接，输出一个1*n的向量，其中n为分类的数量。
卷积操作
整个卷积层的输出是N张特征图堆叠在一起，形成一个新的三维张量。
输出形状:
[新高度, 新宽度, 卷积核数量]例如:
[222, 222, 32](使用了32个3x3卷积核，尺寸略有缩小)。此时，张量发生了变化：通道数从原始的3（R,G,B）变成了32，这32个通道不再是颜色，而是32种不同的基础特征的强度分布图。
整体流程
CNN演变
这里我的描述的网络是去掉了全连接层的CNN
FCN
FCN做出的重要改变是将CNN中全连接换为解码器,保留了原有CNN中的编码器（卷积+池化），这样，原有的CNN用于分类的一维输出，就变为了 “一个高分辨率的、与输入尺寸对应的像素级分类图”。
跳跃连接
编码器中，越浅的层次，图片分辨率更高位置更精细，越深的层次，图片的分辨率更低，but语义信息丰富（知道“这是什么”,但不知道在哪）
在ResNet中的应用
flowchart TD
subgraph A [编码器 - 卷积与下采样]
direction TB
A1[输入图像<br>HxWx3] --> A2[卷积与池化<br>H/2 x W/2 x 64] --> A3[卷积与池化<br>H/4 x W/4 x 128] --> A4[卷积与池化<br>H/8 x W/8 x 256] --> A5[卷积与池化<br>H/16 x W/16 x 512] --> A6[卷积与池化<br>H/32 x W/32 x 1024]
end
subgraph B [解码器 - 上采样与跳跃融合]
direction TB
B1[预测层<br>H/32 x W/32 x N] -- 2x上采样 --> B2[score pool4<br>H/16 x W/16 x N]
A4 -- 跳跃连接1 --> C1[1x1 卷积<br>H/8 x W/8 x 256] -- 1x1 卷积 --> C2[score pool3<br>H/8 x W/8 x N]
B2 -- 与 score pool3 相加 --> B3[融合特征<br>H/8 x W/8 x N] -- 8x上采样 --> B4[最终输出<br>H x W x N]
end
A6 -- 核心改变: <br>全连接层 -> 卷积层 --> B1
A5 -- 跳跃连接2 --> B2
反卷积（转置卷积）
解码器中用于还原图像到输出大小的部分，
梯度爆炸、梯度消失
反向传播的过程中，链式求导形式的梯度求解，越算越小偶然越算越大。
解决方案：残差网络中的跳跃连接、Adam、更改激活函数等等
数据集图片类型
在语义分割数据集中，“L模式” 和 “P模式” 是图像标签（Label）或掩码（Mask）的两种常见存储格式
L模式中，灰度值(0-255)每一个都代表一个标注的类型，这样对计算机友好
P模式中，0-255每个值都对应一个单独的色彩，而不是单纯的灰度值，这样肉眼易于观察