fully-connected转conv

具体操作

假设fc输入(h,w,c)，fc输出为(fc_out)，那么fc的参数shape为(h*w*c, fc_out)。通过使conv得kernel覆盖fc的输入，即conv的kernel_size = h*w，kernel_num = fc_out，则conv输出shape为(1,1,fc_out)。通过这种方式fc和conv其实是可以转换的，如上conv的权重其实就是：一个kernel的weight为fc权重的第一维（顺序都不用变），然后bias=0.

作用

网络变为全卷积，输入尺寸不再固定。比如之前网络输入224*224，现在输入一个更大尺寸的图片，那么在最后一层就会产生heatmap，即某一个feature-map的响应强弱代表该feature-map出现对应label物体的位置。 虽然最后一层输出的size小于输入图片的size，但是可以认为是一个sample后的物体位置信息图（用感受野辅助理解），即是一种coarse的semantic segmentation信息，因此通过一些其他技术，即可用于semantic segmentation。