​FCN是用来深度网络来做语义分割的奠基性工作，用转置卷积层来替换CNN最后的全连接层，从而可以实现对每个像素的预测​CNN(卷积神经网络)可以认为是一个预训练好的模型。CNN的最后一层是全局平均池化层，无论是什么形状的输入，最后输出都是1*1的，这对像素预测不太好​1×1卷积层用来变换输出通道，降低通道数，转置卷积层用于把图像放大。

Def3.1Def\ 3.1Def3.1图灵机是一个7元组Q∑Γδq0qacceptqrejectQ∑Γδq0​qaccept​qreject​Q∑ΓQ∑Γ都是有穷集合，并且QQQ是状态集∑\sum∑是输入字母表，不包括特殊空白符号⊔\sqcup⊔Γ\GammaΓ是带子字母表，其中，⊔∈Γ⊳∈Γ∑⊆Γ⊔∈Γ⊳∈Γ∑⊆ΓδQ×Γ→Q×Γ×L。

一个好的模型需要对输入数据的扰动足够健壮，丢弃法就是在层之间加入噪音。也可以在数据中使用噪音，等价与。