解卷积的维度计算

解卷积（deconvolution）或者反卷积，类似于卷积的逆运算；如果按照严格的数学公式来叫，应该叫做“转置卷积(transpose convolution)”，也有的地方叫它“分数跨度(fractional strided)卷积”。解卷积最直观的作用是扩大feature map的分辨率，在语义分割任务中被广泛使用。

解卷积的维度计算公式如下：
w_new = stride*w - 2*pad + (kernel-stride)
从上面的公式可以看到：与卷积相反，pad越大，解卷积的输出越小。

放大整数倍有两种设置：
1、pad=0，kernel=stride
2、kernel = 2*stride - stride%2, pad=ceil((kernel-stride-1)/2)或pad=(kernel-stride)/2

第2种情况下：
核为5，放大3倍，pad=1
核为4，放大4倍，pad=2
核为9，放大5倍，pad=2

上面两种设置各有优缺点，应根据情况进行选择。第一种设置kernel size更大，导致计算量大，但输出的feature map会较为平滑，第二种设置反之。