Որ շերտը մեծացնում է չափը U-Net-ում հետադարձ փոխանցման ժամանակ և ինչպես է աշխատում:

U-Net- ում, հետադարձ ճանապարհին հատկությունների չափը մեծացնելու համար, օգտագործվում է upsampling շերտ, որը սովորաբար իրականացվում է որպես փոխված կոնվոլյուցիա (transposed convolution) կամ upsampling գործողություն (օրինակ, bilinear interpolation) հաջորդած կոնվոլյուցիայի հետ:

Այս շերտը մեծացնում է մուտքային տենսորի տարածքային չափերը (լայնությունը և բարձրությունը), վերականգնելով նվազեցված լուծաչափը, որը կորցվել է downsampling փուլում: Դա օգնում է ցանցին վերականգնել պատկերային մանրամասները, համակցելով տեղեկատվությունը համապատասխան շերտերի հետ ուղիղ անցումից՝ skip կապերի միջոցով:

PyTorch-ում օրինակ՝ փոխված կոնվոլյուցիայի հետ:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# մեծացնում է մուտքի չափը 2 անգամ լայնությամբ և բարձրությամբ