反卷积--上采样的一种方法

上采样(Upsample)

在应用在计算机视觉的深度学习领域，由于输入图像通过卷积神经网络(CNN)提取特征后，输出的尺寸往往会变小，而有时我们需要将图像恢复到原来的尺寸以便进行进一步的计算，这个采用扩大图像尺寸，实现图像由小分辨率到大分辨率的映射的操作，叫做上采样(Upsample)。

反卷积(Transposed Convolution)

上采样有3种常见的方法：

1. 双线性插值(bilinear)
2. 反卷积(Transposed Convolution)
3. 反池化(Unpooling)

我们这里只讨论反卷积。这里指的反卷积，也叫转置卷积，它并不是正向卷积的完全逆过程，用一句话来解释：
反卷积是一种特殊的正向卷积，先按照一定的比例通过补0来扩大输入图像的尺寸，接着旋转卷积核，再进行正向卷积。

虽然恢复不了数值，但是恢复了卷积前后像素之间的对应关系，后续可通过学习参数，实现逼近之前卷积的参数


参考：https://www.zhihu.com/question/48279880