upsampling(上采样)的三种方式

线性插值：双线性插值是目前在语义分割中用的比较多的一种方式，比如FCN中就是用的这种方法。

反卷积(deconvolution)，由于实现上采用转置卷积核的方法，所以有人说应该叫转置卷积TD(transposed convolution)。这个比较复杂，先举例下采样的卷积过程，输入4x4卷积，核为3x3，步长为1，输出大小就变成了2x2。计算机处理的过程是先把4x4的图片拉成列向量16x1，把3x3的卷积核变成下边这样的4x16大小的。然后计算（4x16）x（16x1）=4x1，再转化成2x2的过程

按照此方式，2x2的图反卷积得到4x4的过程：把2x2的拉成4x1的，把上边的3x3卷积核变成上图的转置，得到16x4大小的卷积核。再进行（16x4）x（4x1）=16x1，最后转化为4x4的。
从直观上总结：
卷积核为 3x3；no padding , strides=1

“反卷积”(the transpose of conv) 可以理解为upsample conv.
卷积核为:3x3; no padding , strides=1

那么当stride不为1的时候，转置卷积的卷积核就变成了一个带’洞’的卷积

unpooling
在池化过程中，记录下max-pooling在对应kernel中的坐标，在反池化过程中，将一个元素根据kernel进行放大，根据之前的坐标将元素填写进去，其他位置补0 。在下采样的时候记录max的位置，上采样的时候最大值的位置还原，其它位置填0，如下图所示：

参考：https://blog.csdn.net/u014451076/article/details/79156967
膨胀卷积（空洞卷积，Dilated Convolution）
膨胀卷积在Standard Convolution的基础上多了一个超参数称之为膨胀率（dilation rate），该超参数指的是kernel的间隔数量。