从rookie到基佬~006：上采样 下采样 卷积 池化 转置卷积 双线性插值 ，以经典算法U-Net举栗说明

一天一个变弯小技巧

今日份洗脑：上采样、下采样、卷积、池化、转置卷积傻傻分不清

结论：

缩小图像：或称为下采样（subsampled）或降采样（downsampled）

关于采样与池化的关系：其实下采样就是池化
采样层是使用 pooling的相关技术来实现的，目的就是用来降低特征的维度并保留有效信息，一定程度上避免过拟合。但是pooling的目的不仅仅是这些，他的目的是保持旋转、平移、伸缩不变形等。采样有最大值采样，平均值采样，求和区域采样和随机区域采样等。池化也是这样的，比如最大值池化，平均值池化，随机池化，求和区域池化等

放大图像：或称为上采样（upsampling）或图像插值（interpolating）

在算法中，我们做图像识别的过程中，需要对图像进行像素级别的分类，因此在卷积提取特征后需要通过上采样将feature map还原到原图中，在算法中常用的上采样方法包括1、双线性插值，2、转置卷积，3、上采样，4、上池化。

以经典算法U-Net网络举个栗子

Unet包括两部分(U-net网络由一个收缩路径（左边）和一个扩张路径（右边）组成)

第一部分（左半边）特征提取，VGG类似。
第二部分（右半边）上采样部分。

一键三连长智慧，你点不了吃亏，点不了上当，我能有什么坏心眼呢？