fcn8s_upsample_layer = keras.layers.UpSampling2D(size=(8, 8),data_format=keras.
backend.image_data_format(),interpolation="bilinear",)
final_fcn8s_pool = keras.layers.Add()([pool3, intermediate_pool_output])
final_fcn8s_output = fcn8s_conv_layer(final_fcn8s_pool)
final_fcn8s_output = fcn8s_upsample_layer(final_fcn8s_output)
fcn8s_model = keras.models.Model(inputs=input_layer, outputs=final_fcn8s_output)
FCN-32s 모델을 확장하여 더 정밀한 영역 분할을 위해 추가적인 중간 층을 결합합니다. 이러한 과정은 FCN-32s 모델에 더 많은 컨텍스트 정보를 추가하여, 더 정밀한 영역 분할을 가능하게 합니다. FCN-16s는 더 세밀한 특성을, FCN-8s는 더욱 정밀한 영역 분할을 제공합니다. 이는 각 모델의 업샘플링 비율과 결합되는 중간 층의 특성 때문입니다. 이러한 아키텍처는 특히 복잡한 영역 분할 작업에 유용하며, 세부적인 객체 경계를 보다 정확하게 포착할 수 있습니다.