重要说明：严格来说，论文所指的反卷积并不是真正的deconvolutionnetwork。关于deconvolutionnetwork的详细介绍，请参考另一篇博客：什么是DeconvolutionalNetwork？一、参考资料LearningDeconvolutionNetworkforSemanticSegmentation二、DeconvolutionNetworkdeconvolutionnetwork是卷积网络(convolutionnetwork)的镜像，由反卷积层(deconvolutionallayers)和上采样层(Unpoolinglayers)组成。本质上，deconvo

总的来说卷积计算是多对一，也就是多个input，和所有kernel进行multiply+add，通道channel方向也进行add，得到一个数字。转置卷积或者说是逆卷积，是一对多的关系，是一个input和所有kernel进行multiply，通道channel方向才进行add，得到kernel_size_width*kernel_size_height个数字​ ​1d的卷积计算即滑窗运算，卷积核kernel和Input的位置multiply然后add，K1*1+K2*2+K3*3=out1​Stride=2K1*3+K2*4+K5*3=out2​2d的卷积计算padding=0，stride=

总的来说卷积计算是多对一，也就是多个input，和所有kernel进行multiply+add，通道channel方向也进行add，得到一个数字。转置卷积或者说是逆卷积，是一对多的关系，是一个input和所有kernel进行multiply，通道channel方向才进行add，得到kernel_size_width*kernel_size_height个数字​ ​1d的卷积计算即滑窗运算，卷积核kernel和Input的位置multiply然后add，K1*1+K2*2+K3*3=out1​Stride=2K1*3+K2*4+K5*3=out2​2d的卷积计算padding=0，stride=