Couches de rééchantillonnage (UpSampling3D)

Fonctions :

• UpSampling3D()

  La couche UpSampling3D augmente la résolution volumétrique d’une entrée 3D (profondeur, hauteur, largeur) en répétant les valeurs selon ces trois dimensions. Elle est utilisée dans les réseaux traitant des données volumétriques (ex : séquences vidéo, IRM 3D) pour augmenter la taille spatiale des tenseurs.

  Importation :

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import UpSampling3D
  import numpy as np

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  size	tuple de 3 entiers	Facteur d’agrandissement pour les dimensions (profondeur, hauteur, largeur).	(2, 2, 2)
  data_format	string	Format des données, soit "channels_last" (batch, profondeur, hauteur, largeur, canaux) ou "channels_first" (batch, canaux, profondeur, hauteur, largeur).	"channels_last"

  Exemple de code :

  📋 Copy

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import UpSampling3D
  import numpy as np
  
  # Données simulées : batch de 1 volume, taille 2x2x2, 1 canal
  X = np.array([[[[[1], [2]],
                  [[3], [4]]],
                 [[[5], [6]],
                  [[7], [8]]]]])
  
  # Modèle avec UpSampling3D
  model = Sequential()
  model.add(UpSampling3D(size=(2, 2, 2), input_shape=(2, 2, 2, 1)))
  
  # Passage des données dans la couche
  output = model.predict(X)
  print(output.shape)  # Affiche la nouvelle forme
  print(output)

  Explication du code :

  Importation des bibliothèques
   On importe la couche `UpSampling3D` et les modules nécessaires. 
  Création des données
   Les données représentent un batch avec un volume 3D de dimensions 2x2x2 et un seul canal. 
  Définition du modèle
   Le modèle contient uniquement la couche `UpSampling3D` avec un facteur d’agrandissement de 2 sur chaque dimension. 
  Exécution
   Le passage des données produit un volume 3D agrandi à 4x4x4 en répétant chaque valeur 2 fois sur profondeur, hauteur, et largeur.