卷积层（包含可变性卷积）+池化学习路径

卷积：

中间那个就是卷积核了，其实就是3x3的方格，里面填一些数字，然后和原始图像进行对应位置相乘求和。

转置卷积或反卷积：
https://blog.csdn.net/lanadeus/article/details/82534425

卷积图示操作链接（包含卷积、反卷积（转置卷积）和步长dilation padding对卷积影响）：
https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md#dilated-convolution-animations

棋盘效应（转置卷积上采样时引起）:
https://www.cnblogs.com/hellcat/p/9707204.html

pytorch nn.Conv2d：
https://www.cnblogs.com/jiading/p/11943983.html
其中设置的out_channels是卷积核的个数，也就是输出特征图的个数。in_channels同理。

roi pooling：
https://blog.csdn.net/yychentracy/article/details/100172729

可变性卷积+池化：
https://www.jianshu.com/p/206e7b0cb433