关于卷积神经网络的几种结构

卷积的过程就是提取对应特征的过程，获得高维的特征向量。
反卷积的过程事实上是一个稀疏编码的过程，要把卷积拿到的特征向量通过加权恢复到原有的输入图片

关于dilate convolution 可见这篇博文https://zhuanlan.zhihu.com/p/23795111　以及https://github.com/vdumoulin/conv_arithmetic
我认为既然dilate convolution可以通过改变kernel的大小来改变可以看到的视野，那么多个不同的dilate kernel并联在一起就可以做到多分辨率，也就是scale invariant。
比如这样：

关于反卷积见这篇博文　http://www.cnblogs.com/yangperasd/p/7071657.html

1*1的卷积神经网络的好处在于：
https://www.zhihu.com/question/56024942
可以方便的进行升维和降维，同时多了一层激活层，提高了非线性性，表达能力增强。
这个思想在google net中有使用