U-Net-ში უკანა გადაცემის დროს რომელი ფენა ზრდის ზომას და როგორ მუშაობს?

U-Net-ში, უკანა გზაზე თვისებების ზომის გაზრდისთვის, ჩვეულებრივ გამოიყენება upsampling ფენა, რომელიც უმეტესწილად რეალიზებულია ტრანსპოზიციური კონვოლუციით (transposed convolution) ან upsampling ოპერაციით (მაგალითად, bilinear interpolation) შემდეგ კონვოლუციით.

ეს ფენა ზრდის შესვლის ტენსორის სივრცულ ზომებს (სიგანეს და სიმაღლეს), აღადგენს განზომილებას, რომელიც დაკარგული იყო downsampling-ის ეტაპზე. ეს ეხმარება ქსელს აღადგინოს სურათის დეტალები, კომბინირებით ინფორმაციას შესაბამის ფენებთან პირდაპირი გადაცემის საშუალებით skip კავშირების მეშვეობით.

PyTorch-ის მაგალითი ტრანსპოზიციური კონვოლუციით:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# ზრდის შესვლის ზომას 2 ჯერ სიგანეში და სიმაღლეში