Qual strato aumenta la dimensione nel backpropagation in U-Net e come funziona?

In U-Net, per aumentare la dimensione delle caratteristiche nel percorso di retropropagazione, si utilizza uno strato di upsampling, solitamente implementato come una convoluzione trasposta (transposed convolution) o un'operazione di upsampling (ad esempio, interpolazione bilineare) seguita da una convoluzione.

Questo strato aumenta le dimensioni spaziali (larghezza e altezza) del tensore di input, ripristinando la risoluzione persa nella fase di downsampling. Aiuta così la rete a recuperare i dettagli dell'immagine, combinando le informazioni con gli strati corrispondenti del passaggio diretto tramite connessioni di salto.

Esempio in PyTorch con convoluzione trasposta:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Aumenta le dimensioni dell'input di 2 volte in larghezza e altezza