全卷積神經網路（Fully Convolutional Networks，簡稱FCN）是一種用於語義分割的深度學習模型。FCN的主要特點是使用全卷積層來替代傳統分類網路中的全連線層，並通過轉置卷積（也稱為反卷積）進行上採樣，以獲得高解析度的語義特徵圖。這樣，FCN能夠輸出與輸入圖像相同尺寸的輸出，從而實現對每個像素的分類，實現像素級的語義分割。
FCN的網路結構通常包括一系列卷積層，這些卷積層逐漸減少特徵圖的尺寸，同時增加通道數。在網路的最後階段，通過轉置卷積將特徵圖的尺寸恢復到與原始輸入圖像相同的尺寸。這樣，每個通道都可以預測輸入圖像的一個類別的分割結果。
FCN的一個顯著優點是它可以處理任意尺寸的輸入圖像，這是因為它沒有使用固定尺寸的全連線層。這與傳統的卷積神經網路相比是一個重要的改進，因為傳統的網路通常要求固定尺寸的輸入。FCN通過使用雙線性插值或轉置卷積來進行上採樣，從而將特徵圖轉換回像素空間，實現像素級的預測。
FCN的提出標誌著端對端的全卷積網路在語義分割領域的套用開始嶄露頭角，成為後續許多改進算法的基本框架。