解释上采样和PixelShuffle

前言

上采样：可以简单的理解为任何可以让你的图像变成更高分辨率的技术。
最简单的方式是重采样和插值：将输入图片input image进行rescale到一个想要的尺寸，而且计算每个点的像素点，使用如双线性插值bilinear等插值方法对其余点进行插值。
Deconvolution(反卷积)在CNN中常用于表示一种反向卷积 ，但它并不是一个完全符合数学规定的反卷积操作。
反卷积也被称为分数步长卷积(convolution with fractional strides)或者转置卷积(transpose convolution)或者后向卷积backwards strided convolution。

Vision Layer

在PyTorch中，上采样的层被封装在torch.nn中的Vision Layers里面，一共有4种：
① PixelShuffle
② Upsample
③ UpsamplingNearest2d
④ UpsamplingBilinear2d

PixelShuffle

正常情况下，卷积操作会使feature map的高和宽变小。
但当我们的stride = 1/r < 1 时，可以让卷积后的feature