Spatial Transformer Networks

参考：http://blog.csdn.net/xbinworld/article/details/69049680

论文的关键在理解这句话：

先通过V中坐标(xtarget,ytarget)以此找到它在U中的坐标，然后再通过双线性插值采样出真实的像素值，放到(xtarget,ytarget)。