上采样(upsample)的方法   在神经网络中，扩大特征图的方法，即upsample/上采样的方法   1）unpooling：恢复max的位置，其余部分补零   2）deconvolution(反卷积)：先对input补零，再conv   3）插值方法，双线性插值等；   4）扩张卷积，dilated conv；

摘要 论文：https://arxiv.org/pdf/2308.15085 我们提出了DySample，一个超轻量级且高效的动态上采样器。虽然最近的基于内核的动态上采样器，如CARAFE、FADE和SAPA，取得了令人印象深刻的性能提升，但它们引入了大量的计算量，这主要是由于耗时的动态卷积以及用于生成动态内核的附加子网络。此外，FADE和SAPA对高分辨率特征指导的需求在某种程度上限制了它们的

原版的caffe1.0并不支持上采样层，此处教大家如何添加自定义上采样层 首先在此处下载upsample的代码: https://github.com/SeanQ88/caffe_upsample caffe源码：https://github.com/BVLC/caffe 1. upsample_layer.hpp放入include/caffe/layers文件夹里 2. upsample