Ποιο στρώμα αυξάνει το μέγεθος στην ανάδρομη διάδοση στο U-Net και πώς λειτουργεί;

Στο U-Net, για την αύξηση του μεγέθους των χαρακτηριστικών στην οπίσθια διαδρομή, χρησιμοποιείται ένα στρώμα upsampling, το οποίο συνήθως υλοποιείται ως μια μεταθετική συνελικτική (transposed convolution) ή μια λειτουργία upsampling (π.χ. διασταυρούμενη διασταύρωση) με επακόλουθη συνελικτική.

Αυτό το στρώμα αυξάνει τις χωρικές διαστάσεις (πλάτος και ύψος) του εισερχόμενου τανυστή, αποκαθιστώντας την ανάλυση που χάθηκε στο στάδιο της downsampling. Βοηθά το δίκτυο να ανακτήσει λεπτομέρειες της εικόνας, συνδυάζοντας πληροφορίες με τα αντίστοιχα στρώματα της άμεσης διέλευσης μέσω συνδέσεων skip.

Παράδειγμα σε PyTorch με μεταθετική συνελικτική:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Αυξάνει το μέγεθος εισόδου κατά 2 φορές σε πλάτος και ύψος