Która warstwa zwiększa rozmiar podczas propagacji wstecznej w U-Net i jak działa?

W U-Net, aby zwiększyć rozmiar cech na drodze wstecznej, używa się warstwy upsampling, która najczęściej jest realizowana jako konwolucja transponowana (transposed convolution) lub operacja upsampling (np. interpolacja biliniowa) z następową konwolucją.

Ta warstwa zwiększa rozmiary przestrzenne (szerokość i wysokość) tensoru wejściowego, przywracając rozdzielczość utraconą na etapie downsamplingu. Pomaga to sieci odzyskać szczegóły obrazu, łącząc informacje z odpowiadającymi warstwami bezpośredniego przejścia przez połączenia pomijające (skip connections).

Przykład w PyTorch z konwolucją transponowaną:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Zwiększa rozmiar wejścia dwukrotnie w szerokości i wysokości