卷積層（包含可變性卷積）+池化學習路徑

卷積：

中間那個就是卷積核了，其實就是3x3的方格，裏面填一些數字，然後和原始圖像進行對應位置相乘求和。

轉置卷積或反捲積：
https://blog.csdn.net/lanadeus/article/details/82534425

卷積圖示操作鏈接（包含卷積、反捲積（轉置卷積）和步長dilation padding對卷積影響）：
https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md#dilated-convolution-animations

棋盤效應（轉置卷積上採樣時引起）:
https://www.cnblogs.com/hellcat/p/9707204.html

pytorch nn.Conv2d：
https://www.cnblogs.com/jiading/p/11943983.html
其中設置的out_channels是卷積核的個數，也就是輸出特徵圖的個數。in_channels同理。

roi pooling：
https://blog.csdn.net/yychentracy/article/details/100172729

可變性卷積+池化：
https://www.jianshu.com/p/206e7b0cb433