定义
反卷积也被称为转置卷积，反卷积其实就是卷积的逆过程。可以用来还原出卷积之前图片的尺寸。
提到反卷积就要先提到上采样（Upsample）了，在深度学习领域，由于输入图像通过卷积神经网络(CNN)提取特征后，输出的尺寸往往会变小，而对于分割等任务来说，我们需要输出的原分辨率的图像便进行进一步的计算，因此需要进行上采样[1] 。
上采样有3种常见的方法：双线性插值(bilinear)，反卷积(Transposed Convolution)，反池化(Unpooling)，我们这里只讨论反卷积。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，接着旋转卷积核，再进行正向卷积。我们以图1和图2为例。假设输入的图像尺寸为2*2的矩阵
，通过在原矩阵的外侧补0（图1）或者在两个像素值之间补0（图2），然后在新的矩阵上用3*3的卷积核进行卷积，就可以得到反卷积的输出了，可以看到，输出后的反卷积尺寸变大了。值得注意的是，通过反卷积操作并不能还原出正向卷积之前的矩阵，只能还原出正向卷积之前的尺寸。
图 1 反卷积示意图[2]
图 2 利用进动频率差异的脂肪压制成像序列[2]
参考文献
[1] https://www.zhihu.com/question/48279880
[2] https://blog.csdn.net/sinat_29957455/article/details/85558870
参阅：上采样
