سرفصل‌ها درس 112 از 246 · ماژول 10: شبکه‌هایی که می‌بینند (CNNها)
ماژول 10: شبکه‌هایی که می‌بینند (CNNها)

کانولوشن با دست

چرا مهم است یک مجموعهٔ کوچک از وزن‌ها، که روی کل تصویر لغزانده می‌شود، همان الگو را همه جا پیدا می‌کند. همین یک ایده چیزی را که همین حالا دیدید خراب شد درست می‌کند.

آن را ببینید

پویانمایی را پخش کنید. یک شبکهٔ 3 در 3 از وزن‌ها، یعنی فیلتر، روی گوشهٔ بالا-چپ تصویر می‌نشیند. هر یک از 9 پیکسل زیر آن را در وزن رویش ضرب کنید و جمع بزنید: این یک عدد خروجی است. یک گام به راست بلغزید و دوباره انجام دهید. وقتی فیلتر هر جایگاهی را بازدید کرد، خروجی‌ها تصویر تازه و کمی کوچک‌تری به نام نقشهٔ ویژگی می‌سازند.

اعداد کوچک

فیلتر [[-1, 0, 1]] * 3 rows به تغییرهای روشنایی از چپ به راست پاسخ می‌دهد: روی تکه‌ای که در چپ تاریک و در راست روشن است عددی بزرگ و مثبت می‌دهد؛ روی تکه‌ای تخت 0 می‌دهد. یک آشکارساز لبه است، و در یک CNN چنین فیلترهایی یاد گرفته می‌شوند، نه با دست نوشته.

فیلتر (هسته): شبکهٔ کوچک وزن‌ها. کانولوشن معتبر (valid): فقط جایگاه‌هایی که فیلتر کاملاً درون تصویر جا می‌شود، پس یک تصویر n در n و یک فیلتر k در k نتیجهٔ (n - k + 1) در (n - k + 1) می‌دهند.

واژه‌ها و نمادهای این درس
کانولوشن
لغزاندن یک شبکهٔ کوچک از وزن‌ها (یک فیلتر) روی یک تصویر، یک ضرب داخلی برای هر جایگاه
فیلتر، نقشهٔ ویژگی
شبکهٔ کوچک یادگرفته‌شده از وزن‌ها؛ و تصویر پاسخ‌هایش
نوبت شما

conv2d(img, k) را بنویسید: کانولوشن معتبر (نوع یادگیری عمیق، که فیلتر را وارونه نمی‌کند) یک تصویر دوبعدی با یک فیلتر دوبعدی، با حلقه‌هایی روی جایگاه‌های خروجی.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.