我一直试图理解DeConvNet中的非池化和反卷积是如何工作的。

非池化

在非池化阶段，激活值被恢复到最大激活选择的位置，这一点是合理的，但是剩余的激活值该怎么办呢？这些剩余的激活值是否也需要恢复，或者以某种方式进行插值，或者在非池化图中直接填充为零？

反卷积

在卷积部分（即卷积层、ReLU、池化）之后，通常会有多个特征图输出，这些特征图将被视为后续层（反卷积等）的输入通道。如何将这些特征图结合起来，以获得与原始输入相同分辨率的激活图？

回答：

1 非池化。

在关于非池化的原始论文中，剩余的激活值被设为零。

2 反卷积。

反卷积层只是其对应卷积层的转置。例如，如果卷积层的形状是[height, width, previous_layer_fms, next_layer_fms]，那么反卷积层的形状将是[height, width, next_layer_fms, previous_layer_fms]。卷积层和反卷积层的权重是共享的！（例如参见这篇论文）