Qual camada aumenta o tamanho na retropropagação no U-Net e como ela funciona?

No U-Net, para aumentar o tamanho das características na passagem de retrocesso, usa-se uma camada de upsampling, geralmente implementada como uma convolução transposta (transposed convolution) ou uma operação de upsampling (por exemplo, interpolação bilinear) seguida de uma convolução.

Esta camada aumenta as dimensões espaciais (largura e altura) do tensor de entrada, restaurando a resolução perdida na etapa de downsampling. Assim, ela ajuda a rede a recuperar detalhes da imagem, combinando informações com camadas correspondentes na passagem direta através de conexões de salto.

Exemplo em PyTorch com convolução transposta:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Aumenta o tamanho da entrada em 2 vezes na largura e altura