在圖像處理領域，圖像的分割主要考慮像素灰度的變化，區分不同的前後景。圖像的語義分割則不僅是區分每個像素的前後景，更需要將其所屬類別預測出來.CNN做圖像分類甚至做目標檢測的效果已經被證明並廣泛應用，圖像語義分割本質上也可以認爲是稠密的目標識別（需要預測每個像素點的類別）.
傳統的基於卷積神經網絡的語義分割方法是：將像素周圍一個小區域作爲CNN輸入，做訓練和預測。這樣做有3個問題：
- 像素區域的大小如何確定
- 存儲及計算量非常大
- 像素區域的大小限制了感受野的大小，從而只能提取一些局部特徵
基於此，Berkeley團隊提出 Fully Convolutional Networks（FCN）方法用於圖像語義分割，將圖像級別的分類擴展到像素級別的分類。
