【转置卷积】当想用通过学习来进行上采样的时候

反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视化上的成功应用，其被越来越多的工作所采纳比如：场景分割、生成模型等。其中反卷积（Deconvolution）也有很多其他的叫法，比如：Transposed Convolution，Fractional Strided Convolution等等。

转自：
一文搞懂反卷积，转置卷积

https://blog.csdn.net/LoseInVain/article/details/81098502

前言

本文翻译自《Up-sampling with Transposed Convolution》，这篇文章对转置卷积和反卷积有着很好的解释，这里将其翻译为中文，以飨国人。

如有谬误，请联系指正。转载请注明出处。

联系方式： 
e-mail: FesianXu@163.com 
QQ: 973926198 
github: https://github.com/FesianXu

用转置卷积进行上采样

对于上采用的需求

当我们用神经网络生成图片的时候，经常需要将一些低分辨率的图片转换为高分辨率的图片。 

对于这种上采样(up-sampling)操作，目前有着一些插值方法进行处理：