Bàn về ASPP - Atrous Spatial Pyramid Pooling?

Xin chào cả nhà. Mình đang đọc về ASPP đang bị vướng 1 chỗ chưa hiểu được. Đúng hơn là trong phần SPP. Cụ thể như sau. Với mỗi level thì SPP sẽ convert feature map của chúng ta thành 1 map mới với size tương ứng. Ví dụ 2x2 chẳng hạn. Vậy làm sao/ cơ chế như thế nào để convert từ size nxn thành 2x2 nhỉ? Mình đang không rõ ở đây. Mình đang hiểu theo 2 cách là:

1. pooling thì cách tạo ra như sau: Chia nxn thành 2x2 block. Với mỗi block thì dùng average/max/median để ra được giá trị.
2. Or nó áp dụng thằng atrous convolution (dilated convolution) để ra được 2x2.