上采样、上池化、双线性插值、反卷积梳理

在深度学习的网络模型中，不但有经过卷积得到图像特征，并且也有一些放大操做，例如FCN、U-Net等等。这些操做有上采样（Upsampling）、上池化（Unpooling）、双线性插值、反卷积。下面对这四个进行梳理。git   1、上采样（Upsampling） 上采样概念：上采样指的是任何可让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：将输入图片进行缩放到一个想要的尺寸，并且计算每一个

>>阅读原文<<