反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（tensorflow函数）（一）

ps 之前是做分类的根本就是没有很深的接触反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)等，要写这个主要是我在找unet代码时候发现反卷积这一步正常用tf.nn.conv2d_transpose，但是有人居然用tf.image.reszie函数的邻域插值替代了，当时我整个人都不好了。后来我就花了一段时间发现了Deconvolution，UNSampling，UnPooling这三个常用的深度学习中图像放大的方法，这里具体讲下自己的理解。

三者图解比较（很好的博文：https://blog.csdn.net/A_a_ron/article/details/79181108）

图（a）表示UnPooling的过程，特点是在Maxpooling的时候保留最大值的位置信息，之后在unPooling阶段使用该信息扩充Feature Map，除最大值位置以外，其余补0。与之相对的是图（b），两者的区别在于UnSampling阶段没有使用MaxPooling时的位置信息，而是直接将内容复制来扩充Feature Map。从图中即可看到两者结果的不同。图（c）为反卷积的过程，反卷积是卷积的逆过程，又称作转置卷积。最大的区别在于反卷积过程是有参数要进行学习的（类似卷积过程），理论是反卷积可以实现UnPooling和unSampling，只要卷积核的参数设置的合理。

 

 

上面是博文中的内容，说下自己理解，目前其实如果对于细节分割来说第一种方法最不错，但好像运行会慢许多。第二种其实就是我困惑中的tf.image.reszie函数的邻域插值方法，它是由于第一种方法太慢而采用的替代品。而第三种其实没有说明问题都没解释为什么返回这么大了。比较高端点解释可参考https://buptldy.github.io/2016/10/29/2016-10-29-deconv/。如果比较土味的解释可以看看我之前的博文卷积和反卷积（反卷积没找到图就土味讲了下理解，不懂可以私信我。）反卷积还可以看看这篇好文有实例：https://www.cnblogs.com/zyly/p/8991412.html

卷积中步长大于1的反卷积（还是这篇https://buptldy.github.io/2016/10/29/2016-10-29-deconv/）把步长为1和0的反卷积的图放上来，理解之后会写。