裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查，在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化，但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测，提出了一种基于改进的全卷积神经网络（Fully Convolutional Networks，FCN）的分割方法，根据建立的数据集训练传统FCN和优化后的FCN，测试结果表明其平均交并比（mean_IoU）得到了一定的提高，故该方法能够较准确地分割出路面裂缝。

从GitHub搬运过来的资料

基于全卷积网络的滚动轴承故障状态识别

涵盖U-Net各种版本，用于深度学习，U-Net zoo版本，还可以用于其他领域的图像分割（如卫星图像）

“用于物体跟踪的全卷积连体网络 - SiameseFC”的Pytorch实现

FCN的必备文件MITSceneParsing.pickle，折腾了半天终于get,在此发出来与大家分享！

完整而详细的TCP/IP协议讲解，作者是国际知名的Unix和网络专家W.Richard Stevens（史蒂文斯）。这本书可以称作是TCP/IP协议的圣经。共分三卷： TCP-IP详解卷1：协议.pdf TCP-IP详解卷2：实现.pdf TCP-IP详解卷3：TCP事务协议，HTTP，NNTP和UNIX域协议.pdf

FCN源代码，这个代码非常适合配合FCN论文进行学习，适合初学者阅读学习深度学习网络构建框架。