看了几篇帖子/文章，对CNN下采样后的上采样机制有些疑惑。
我从这个问题中得到了第一个答案： https://www.quora.com/How-do-fully-convolutional-networks-upsample-their-coarse-output
我了解到，类似于正常的卷积操作，“上采样”也使用需要训练的内核。
问题1：如果“空间信息”在CNN的第一阶段就已经丢失了，怎么能重新构建呢？
问题2：为什么>“从网络深处的小（粗）特征图上采样具有良好的语义信息但分辨率较差。从更靠近输入的较大特征图上采样会产生更好的细节但更差的语义信息”？
【问题讨论】：
标签： neural-network deep-learning conv-neural-network
问题 #1
上采样不会（也不能）重建任何丢失的信息。它的作用是将分辨率恢复到上一层的分辨率。
理论上，我们可以完全消除下/上采样层。然而，为了减少计算次数，我们可以在层之前对输入进行下采样，然后对其输出进行上采样。
因此，下/上采样层的唯一目的是减少每一层的计算量，同时保持输入/输出的维度不变。
您可能会争辩说下采样可能会导致信息丢失。这始终是一种可能性，但请记住 CNN 的作用本质上是从输入中提取“有用”信息并将其缩减为更小的维度。
问题 #2
随着我们从 CNN 的输入层到输出层，数据的维度通常会减少，而语义和提取的信息有望增加。
假设我们有一个用于图像分类的 CNN。在这样的 CNN 中，早期的层通常会提取图像中的基本形状和边缘。下一层检测更复杂的概念，如角、圆。您可以想象最后一层可能具有检测非常复杂特征的节点（例如图像中是否有人）。
因此，从靠近输入的大型特征图进行上采样会产生更好的细节，但与最后一层相比，语义信息更少。回想起来，最后一层通常具有较低的维度，因此它们的分辨率与早期层相比更差。
【讨论】：
car，无论汽车在图像中的哪个位置。如果我们有基于空间信息的类，例如car on the left 和 car on the right 类，CNN 学习保存水平空间信息作为汽车的特征，以便能够将其分类为这两个类别之一。我没有得到你问题的最后一部分。你介意详细说明一下吗？
person。其他人可能会训练更细粒度的 CNN（例如sitting person、bending person、bald person、crying person 等）...