deconvolution network 是针对 FCN 改善的用于语义分割的网络。与 SegNet 相比，在pooling operation 记录 the locations of maximum activations ，将这些位置用于 unpooling ，这一点是一样的。不同之处在于反卷积和反向池化。
DeconvNet网络结构
网络包括两个部分：convolution and deconvolution networks；卷积网络用于提取特征，使用 VGG 16-layer net；反卷积网络根据特征产生分割结果。
这里主要的特点是反卷积网络中的两个操作步骤： unpooling and deconvolution。如图：
反卷积和反池化
unpooling layers 得到一个放大的但是稀疏的响应特征图， 这里通过deconvolution layers 来将稀疏的特征变为稠密的特征 。
与SegNet一样，都是记录了最大池化的最大值的位置来上采样的，不同的是使用了反卷积。同样效果比FCN要好。
反卷积也有很多应用在卷积神经网络的可视化上，参见https://blog.csdn.net/zhongshaoyy/article/details/53319681
