语义分割中Pooling操作存在的问题

在语义分割中pooling操作可以较小特征图尺寸，降低网络的参数量，获得更大的感受野，使得CNN在语义分割的任务中更加高效。但是pooing操作并不是完美的，它也存在如下的一些缺陷：

1. Max pooling/ Average pooling/ Up-sampling / pooling layer (例如双线性插值) 是确定性的，无法像卷积层通过学习得到；
2. 内部数据结构丢失；空间层级化信息丢失；
3. 小物体信息无法重建 (假设有四个pooling layer 则 任何小于 2^4 = 16 pixel 的物体信息将理论上无法重建)。