CNN unpooling和deconvolution

        我们知道，在auto_encoder中，有encode和decode两个部分，其中encode是将input变成code，一般是从高维变到低维，decode解码code，要使解码之后的output与input越接近越好，也就是从低维变高维。如果用CNN来做auto_encoder，那么convolution、pooling就是在encode，所以decode部分就要用到unpooling和deconvolution.

1.unpooling

        以maxpooling为例，设kernel的size是2*2

        从①到②就是maxpooling的过程，此时，我们还要记住每块最大值的位置，在做unpooling的时候，先把最大值填入原来的位置上，即③，然后把其他位置补零，即④，④就是unpooling的结果。
        也有其他做法，比如直接把这四个最大值复制三次，然后填入对应的色块中即可。

2.deconvolution

        假设input的size是5，kernel的size是 31，stride=1，padding=0，则output的size[（5-3）/1]+1 * 1 即31（线条颜色一样表示权值共享）。上图就是convolution的过程。以下是deconvolution的过程：



实际上，deconvolution的过程，也可以看作是一个convolution过程：

即先padding，然后再convolution

最终的结果就是这样：