除了内插值和反卷积（详见computer-vision笔记：上采样和下采样），反池化也是一种上采样方法。由于近些年来有用卷积替代池化的趋势，因此已经比较少用了，但我还是想写一下这种方法和一些自己的思考。
反池化
上图是池化的一个示例，但由于后面要进行反池化，因此我们还需额外把（编码器中的）最大池化层的索引都存储起来，用于之后（解码器中的）的反池化操作。
之后反池化就很简单了，如下图所示，恢复到原始尺寸，将数据映射到索引处，其它地方填充零。
思考
当我刚看到反池化的操作方法时，有点感觉这样在扩充的空间中直接填充零会不会太草率了，为什么不用同一区域做相同的填充或者平均填充呢？
后来想了一想，的确还是直接将最大值映射到原位置，其余地方填充零效果最好。这样尽管会忽略邻近的信息，也就是会丢弃大量低频信息，但是它有助于保持高频信息的完整性。
反过来想，倘若我们将最大值相同地填充至一个区域内（上图中邻近的4格）或者做平均填充，那么不但不能准确地表示高频信息，又不能保证能够表达出低频信息，这就不如上面的做法能保证高频信息的完整性。
池化优点
虽然前面说池化正在逐渐被卷积替代，但池化操作也不是一无是处。与卷积相比，池化有如下优点：
- 减少了进行端到端训练的参数量。
- 对max-pooling来说，它可以提高边界的勾画，即突出高频信息。