U-Net
约 303 个字 1 张图片 预计阅读时间 1 分钟
Up-conv: 主要作用是将编码器（Encoder）压缩后的抽象特征，重新放大回原始图像的尺寸
在 PyTorch 中，它的正式名称是 ConvTranspose2d。虽然名字叫“转置卷积”，但它并不是卷积的数学逆运算，而是一种能实现上采样的卷积。
它的工作原理如下：
- 插值/扩充：在输入特征图的像素之间填充大量的 0（Padding）。
- 标准卷积：在扩充后的图上运行一个标准的卷积核。
- 结果：由于输入被“撑大”了，卷积后的输出自然也就变大了。
在 UNet 中的关键角色
观察你之前上传的架构图：
左侧（Encoder）：通过卷积和池化，网络理解了“图中有一个猫（高层语义）”，但丢失了“猫的胡须在哪（空间细节）”。
底部：特征图尺寸最小，通道数最多（比如 1024）。
右侧（Decoder）：Up-conv 开始工作。它负责把 1024 维的特征逐渐放大。
配合 Skip Connection：Up-conv 放大图像后，会立刻与左边传过来的特征图拼接。Up-conv 提供“大致轮廓”，Skip Connection 提供“精准细节”，两者结合才能生成高质量的图像。