Fully Convolutional Networks(FCN)의 주요 특징과 기존 CNN 기반 분류 모델과의 차이점

1. Fully Convolutional Networks (FCN)이란?

Fully Convolutional Network (FCN)는 이미지의 각 픽셀을 분류하기 위해 설계된 딥러닝 모델로,
기존 CNN을 이미지 분할(Semantic Segmentation) 문제에 적용하기 위해 만들어진 구조이다.

일반적인 CNN 분류 모델과 달리 Fully Connected Layer를 제거하고 Convolution Layer만으로 구성된 것이 특징이다.

예시

• 도로 이미지 → 도로, 자동차, 보행자, 건물
• 의료 영상 → 종양, 정상 조직
• 위성 이미지 → 건물, 숲, 도로

특징

• Fully Connected Layer 제거
• 픽셀 단위 예측(Pixel-wise prediction)
• Upsampling을 통해 원본 이미지 크기 복원
• Skip Connection을 통해 공간 정보 보존

대표 활용 분야

• 자율주행 이미지 분할
• 의료 영상 분석
• 위성 및 항공 이미지 분석
• 로봇 시각 시스템

대표 모델

• FCN-32s
• FCN-16s
• FCN-8s

---

2. 기존 CNN 기반 분류 모델

 

기존 CNN 기반 분류 모델은 이미지 전체를 하나의 클래스(label)로 분류하는 모델이다.
이미지에서 특징(feature)을 추출한 뒤 Fully Connected Layer를 통해 최종 클래스 예측을 수행한다.

예시

• 고양이 이미지 → Cat
• 자동차 이미지 → Car
• 음식 이미지 → Pizza

특징

• 이미지 전체를 하나의 클래스으로 분류
• Fully Connected Layer 사용
• 객체의 위치 정보는 제공하지 않음

대표 활용 분야

• 이미지 검색
• 사진 자동 분류
• 상품 이미지 분류
• 콘텐츠 추천 시스템

대표 모델

• AlexNet
• VGG
• ResNet
• EfficientNet
• MobileNet

---

3. FCN vs CNN 분류 모델 차이

구분	CNN Classification	FCN
목적	이미지 전체 분류	픽셀 단위 분류
구조	Convolution + Fully Connected	Convolution만 사용
출력	하나의 클래스	픽셀별 클래스
위치 정보	없음	있음
활용	이미지 분류	Semantic Segmentation

---

정리

• CNN 기반 분류 모델은 이미지 전체를 하나의 클래스으로 분류한다.
• FCN은 Fully Connected Layer를 제거하고 픽셀 단위 예측을 수행하도록 설계된 모델이다.
• 따라서 FCN은 Semantic Segmentation과 같은 정밀한 이미지 이해 작업에 사용되는 핵심 모델 구조이다.