在图像处理领域，图像的分割主要考虑像素灰度的变化，区分不同的前后景。图像的语义分割则不仅是区分每个像素的前后景，更需要将其所属类别预测出来.CNN做图像分类甚至做目标检测的效果已经被证明并广泛应用，图像语义分割本质上也可以认为是稠密的目标识别（需要预测每个像素点的类别）.
传统的基于卷积神经网络的语义分割方法是：将像素周围一个小区域作为CNN输入，做训练和预测。这样做有3个问题：
- 像素区域的大小如何确定
- 存储及计算量非常大
- 像素区域的大小限制了感受野的大小，从而只能提取一些局部特征
基于此，Berkeley团队提出 Fully Convolutional Networks（FCN）方法用于图像语义分割，将图像级别的分类扩展到像素级别的分类。
