来自同一来源的摘录告诉了答案：

为了进行定位，将来自收缩路径的高分辨率特征与上采样输出相结合。

--

然后一个连续的卷积层可以学习根据这些信息组装一个更精确的输出。

--

由于在每个卷积中都会丢失边界像素，因此裁剪是必要的。

因此，组合数据增加了 U-net 的精度（减少错误），并且裁剪过滤器模糊了组合数据的边界。

编辑：

对于图像矩阵边界上的像素，内核的某些元素可能会从图像矩阵中脱颖而出，因此在图像矩阵中没有任何对应的元素。

（内核是对图像进行卷积以产生输出的矩阵）

编辑来源