From 2b1e9f3be210feab74b813515b74d2f87762939b Mon Sep 17 00:00:00 2001
From: Aston Zhang <22279212+astonzhang@users.noreply.github.com>
Date: Sat, 16 Feb 2019 22:40:39 -0800
Subject: [PATCH] Update fcn.md

---
 chapter_computer-vision/fcn.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/chapter_computer-vision/fcn.md b/chapter_computer-vision/fcn.md
index b9e00f5a4..2b0985309 100644
--- a/chapter_computer-vision/fcn.md
+++ b/chapter_computer-vision/fcn.md
@@ -1,6 +1,6 @@
 # 全卷积网络（FCN）
 
-上一节介绍了，我们可以基于语义分割对图像中的每个像素进行类别预测。全卷积网络（fully convolutional network，FCN）采用卷积神经网络实现了从图像像素到像素类别的变换。与之前介绍的卷积神经网络有所不同，全卷积网络通过转置卷积（transposed convolution）层将中间层特征图的高和宽变换回输入图像的尺寸，从而令预测结果与输入图像在空间维（高和宽）上一一对应：给定空间维上的位置，通道维的输出即该位置对应像素的类别预测。
+上一节介绍了，我们可以基于语义分割对图像中的每个像素进行类别预测。全卷积网络（fully convolutional network，FCN）采用卷积神经网络实现了从图像像素到像素类别的变换 [1]。与之前介绍的卷积神经网络有所不同，全卷积网络通过转置卷积（transposed convolution）层将中间层特征图的高和宽变换回输入图像的尺寸，从而令预测结果与输入图像在空间维（高和宽）上一一对应：给定空间维上的位置，通道维的输出即该位置对应像素的类别预测。
 
 我们先导入实验所需的包或模块，然后解释什么是转置卷积层。