目录
1.反卷积
（1）正常卷积
（2）反卷积
2.反池化
3.插值法
（1）最近邻插值
（2）线性插值
1.反卷积
反卷积：反卷积可以理解为卷积操作的逆运算，反卷积并不能复原成原图像，因为卷积操作会造成值的损失，它仅仅是将卷积过程中的步骤反向变换一次，因此它还可以被称为转置卷积。
反卷积公式：
如果有空洞：
那么，反卷积是怎么操作的呢？
首先我们看一看正常卷积是怎么计算的。
（1）正常卷积
假设输入为4*4，kernel_size为3*3，padding为0，stride为1
我们都知道卷积的操作就是卷积核在特征图上进行滑动计算（如下图），这个过程是相乘再求和的，那在底层代码中4*4的特征图是怎么和3*3的卷积核进行相乘操作的呢？
先看结论：
图像： 卷积核： 输出：
再看过程：
- 针对单张特征图，输入4*4的尺寸会被展平（flatten）成16*1的序列，16为输入特征图的像素个数，1为图片的个数，即单张图片。
- 将3*3的卷积核进行补0操作，变成与输入大小相同的4*4的矩阵，再展平为1*16，已知输出为2*2大小，故卷积核为4*16的矩阵。其中4为输出特征图的像素数量，16为输入特征图的像素数量。
- 将4*16的卷积核与16*1的特征图进行矩阵相乘操作，就得到了输出的4*1的序列，再进行reshape操作， 得到最终的2*2的特征图。
（2）反卷积
假设图像尺寸为2*2，卷积核为3*3， padding = 0， stride = 1
反卷积（转置卷积）在底层是怎么计算的呢？其实也是相同的原理
先看结论：
图像： 卷积核： 输出：
再看过程：
- 将输入2*2图片拉成一个一维向量4*1
- 卷积核由3*3变为2*2，进行剔除操作，16为输出图像的像素值数量，4为输入的特征图像素数量
- 将卷积核乘图像得到一个16个像素值的一维向量16*1，再进行reshape操作，转为4*4的特征图
由上得出，两个操作的卷积核在形状上是转置的关系（权值不相同），故对图像进行卷积操作，再进行转置卷积，两个图像是不相等的。故该操作是不可逆的。
2.反池化
反池化顾名思义就是池化的逆操作。
对于最大池化的反池化操作：在进行最大池化时，网络会记录最大值的索引位置，如下图max-pooling操作中黄色窗口中（左图）的0.8为最大值，网络会记住该值得索引位置，如右边的4×4网格中的标记所示，这样在进行反池化时，就可以将值放到对应的最大值索引的位置，其余位置补0，如下图uppooling操作黄色窗口（右图）中将1.3放到了之前记录的最大索引的位置，其余位置补0。
如最大池化代码中的return_indices就表示是否保存最大值的索引，以备反池化的时候使用：
反最大池化代码，indices为保存的最大值索引位置
对于平均池化的反池化操作：无需像最大池化那样记录最大值得索引，在反池化时，只需将每个值填入相应的窗口即可。如下图所示：
3.插值法
然后就是插值法，插值的方式有很多种,本文介绍最近邻插值和双线性插值。
- 计算效果：最近邻插值算法 < 双线性插值
- 计算速度：最近邻插值算法 > 双线性插值
（1）最近邻插值
最简单的一种插值方法，不需要计算，在待求像素的四邻像素中，将距离待求像素最近的邻像素灰度赋给待求像素。（缺点：输出的图像会有锯齿状）
设i+u，j+v（i，j为正整数，u，v为大于零小于1的小数，下同）为待求像素坐标，则待求像素灰度的值f（i+u，j+v）
公式如下：src为原来的坐标，dst为待求的坐标
如图：图像由原来的3×3变为4×4大小的图像
srcWidth为3；dstWidth为4
以待求图的第一个点（0,0）为例：
srcX = （0*（3/4），0*（3/4））=（0,0）= 234
得出的（0,0）就为原图坐标，则待求点的值就用求出的相对应原图位置的值来代替
以待求图的（3,0）点为例：
srcX = （（3*（3/4），（0*（3/4））=（3*0.75,0）=（2.25）=（2,0）=89
采用四舍五入的方法求最近坐标
（2）线性插值
①单线性插值
我们根据一个例子来看一下具体是怎么计算的。
将2*2的图片扩大为4*4的图片：
计算①到⑫的值
公式：，或者上面两个公式都可，计算y的值
注：xi为坐标，yi为xi相对应的值
①：x = 2, x0 = 1, x1 = 4, y0 = 4, y1 = 6
②：x = 3, x0 = 1, x1 = 4, y0 = 4, y1 = 6
③：x = 2, x0 = 1, x1 = 4, y0 = 4, y1 = 10
④：x = 3, x0 = 1, x1 = 4, y0 = 4, y1 = 10
⑤：x = 2, x0 = 1, x1 = 4, y0 = 6, y1 = 8
②双线性插值
双线性插值又叫一阶插值法，它要经过三次插值才能获得最终结果，是对最近邻插值法的一种改进，先对两水平方向进行一阶线性插值，然后再在垂直方向进行一阶线性插值。
参考
上采样方法综述：线性插值，转置卷积，上池化