Care strată mărește dimensiunea în timpul retropropagării în U-Net și cum funcționează?

În U-Net, pentru a crește dimensiunea caracteristicilor pe drumul de întoarcere, se utilizează un strat de upsampling, care este de obicei implementat ca o convoluție transpusă (transposed convolution) sau o operație de upsampling (de exemplu, interpolare bilineară) urmată de o convoluție.

Acest strat mărește dimensiunile spațiale (lățimea și înălțimea) tensorului de intrare, restaurând rezoluția pierdută în etapa de downsampling. Astfel, ajută rețeaua să recupereze detaliile imaginii, combinând informații cu straturile corespunzătoare din trecerea directă prin conexiuni de salt.

Exemplu în PyTorch cu convoluție transpusă:

import torch.nn as nn

upconv = nn.ConvTranspose2d(in_channels=64, out_channels=32, kernel_size=2, stride=2)
# Mărește dimensiunea intrării de 2 ori în lățime și înălțime