解卷積（deconvolution）或者反捲積，類似於卷積的逆運算；如果按照嚴格的數學公式來叫，應該叫做“轉置卷積(transpose convolution)”，也有的地方叫它“分數跨度(fractional strided)卷積”。解卷積最直觀的作用是擴大feature map的分辨率，在語義分割任務中被廣泛使用。
解卷積的維度計算公式如下：
w_new = stride*w - 2*pad + (kernel-stride)
從上面的公式可以看到：與卷積相反，pad越大，解卷積的輸出越小。
放大整數倍有兩種設置：
1、pad=0，kernel=stride
2、kernel = 2*stride - stride%2, pad=ceil((kernel-stride-1)/2)或pad=(kernel-stride)/2
第2種情況下：
核爲5，放大3倍，pad=1
核爲4，放大4倍，pad=2
核爲9，放大5倍，pad=2
上面兩種設置各有優缺點，應根據情況進行選擇。第一種設置kernel size更大，導致計算量大，但輸出的feature map會較爲平滑，第二種設置反之。