¿Qué capa aumenta el tamaño en la retropropagación en U-Net y cómo funciona?

En U-Net, para aumentar el tamaño de las características en la ruta de retroceso se utiliza una capa de upsampling, que generalmente se implementa como una convolución transpuesta (transposed convolution) o una operación de upsampling (por ejemplo, interpolación bilineal) seguida de una convolución.

Esta capa aumenta las dimensiones espaciales (anchura y altura) del tensor de entrada, restaurando la resolución perdida en la etapa de downsampling. Al hacerlo, ayuda a la red a recuperar detalles de la imagen, combinando información con capas correspondientes en la pasada directa mediante conexiones de salto.

Ejemplo en PyTorch con convolución transpuesta:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Aumenta el tamaño de la entrada en 2 veces en anchura y altura