个人主页

1.转置卷积 Conv2DTranspose 可被称为 反卷积、后卷积、分数步⻓卷积（fractionally-strided convolution）。
2.在模型设计中，转置卷积层常⽤于将较小的特征图变换为更⼤的特征图。在全卷积⽹络中，
  当输⼊是⾼和宽较小的特征图时，转置卷积层可以⽤来将⾼和宽放⼤到输⼊图像的尺⼨。
3.转置卷积层可以放⼤特征图。在图像处理中，我们有时需要将图像放⼤，即上采样（upsample）。上采样的⽅法有很多，常⽤的有双线性插值。
  在全卷积⽹络中，我们将转置卷积层初始化为双线性插值的上采样。

参考博客：https://blog.csdn.net/fate_fjh/article/details/52882134

反卷积/转置卷积Conv2DTranspose、空洞卷积 的特点及其应用

(1)反卷积
反卷积是一种特殊的正向卷积，先按照一定的比例通过补0来扩大输入图像的尺寸，接着卷积核卷积，再进行正向卷积。先进行上采样，即扩大像素；再进行卷积，优点是通过参数学习达到up-sample效果会比插值方法更好
反卷积应用：主要用来还原feature map的尺寸大小，在分割等领域会使用来还原图像大小。

（2）空洞卷积
采用的atrous（带孔）算法扩展感受野，获取更多的上下文信息，相当于在标准概念的kernel（卷积核）中，相邻点之间添加(rate - 1)个0。dilated的好处是不做pooling损失信息的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。
应用：空洞卷积通常应用在分割等low-level vision task任务中，比如分割任务、姿态估计等。