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)。
Spatial Transformer Networks
原文：http://www.cnblogs.com/573177885qq/p/7259298.html
