deconvolution講解論文鏈接：https://arxiv.org/abs/1609.07009
關於conv和deconvoluton的另一個講解鏈接：http://deeplearning.net/software/theano_versions/dev/tutorial/conv_arithmetic.html#transposed-convolution-arithmetic
參考博客：https://blog.csdn.net/itleaks/article/details/80336825
反卷積作為一種upsample的方式在圖像分割等領域獲得了很大的應用，一般地，反卷積分為“轉置卷積”和“微步卷積”，不過兩種本質其實是一樣的，只是實現時稍微有點不同；
一、轉置卷積（Transposed Convolution）：
二、微步卷積（Fractionally Strided Convolution）：
這塊可以參考論文里的講解，講的很細很好；
結論：“In conclusion, the deconvolution layer is the same as the convolution in LR with rd channel output where d is the spatial dimension of the data. ”，可參考下面這張圖：
當然作者也說了，使用LR的圖像做卷積比使用HR的圖像做卷積具有更好的表達效果，解釋如下：
所以，有的時候使用deconvolution獲得HR並不必要，作者在論文的最后也給我們留下了一些有趣的問題：
