反卷积（transposed convolution），理学-统计学-大数据统计分析-深度神经网络-卷积神经网络-反卷积，通过补0扩大图像尺寸并旋转卷积核进行正向卷积的过程。又称转置卷积。简史2010年，M.D.蔡勒等提出了反卷积网络无监督地学习图片的中低层特征，与传统的卷积神经网络不同，其操作方向不再是从原图片到特征图，而是从特征图到图片，可用于图像降噪与复原。2011年，M.D.蔡勒等又提出新的反卷积网络用来学习图片的中高层特征，不同于以往的是该反卷积网络中加入了反池化和反卷积。随着计算机视觉的不断发展，反卷积神经网络技术也日趋丰富完善。2013年，M.D.蔡勒等又在每一层卷积后面接一个反卷积网络，通过：反池化——ReLU——反卷积的过程，对卷积得到的特征图进行放大，实现特征的可视化，探究深度卷积网络良好性能背后的原理。2015年，Hyeonwoo Noh提出了用于语义分割的有监督反卷积网络架构，促进了反卷积技术的进一步发展。