Quelle couche augmente la taille lors de la rétropropagation dans U-Net et comment fonctionne-t-elle?

Dans U-Net, pour augmenter la taille des caractéristiques lors du chemin de rétropropagation, on utilise une couche d'upsampling, généralement implémentée comme une convolution transposée (transposed convolution) ou une opération d'upsampling (par exemple, interpolation bilinéaire) suivie d'une convolution.

Cette couche augmente les dimensions spatiales (largeur et hauteur) du tenseur d'entrée, en restaurant la résolution perdue lors de l'étape de downsampling. Elle aide ainsi le réseau à récupérer les détails de l'image, en combinant l'information avec des couches correspondantes du passage direct via des connexions de saut.

Exemple en PyTorch avec convolution transposée :

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Augmente la taille de l'entrée de 2 fois en largeur et en hauteur