手での畳み込み
なぜ大切か 画像全体の上で滑らせたひとつの小さな重みの組が、同じパターンをどこでも見つけます。そのひとつの考えが、今壊れるのを見たものを直します。
見てみる
アニメーションを再生してください。3 × 3 の重みの格子、フィルター が画像の左上の隅に乗っています。その下の 9 つの画素のそれぞれに、その上の重みを掛けて足し合わせます:それがひとつの出力の数です。1 歩右に滑らせて、またそれをします。フィルターがすべての位置を訪れると、出力は 特徴マップ と呼ばれる、少し小さな新しい画像になります。
小さな数
フィルター [[-1, 0, 1]] * 3 rows(3 行)は、左から右への明るさの変化に反応します:左が暗く右が明るいかけらでは大きな正の数を、平らなかけらでは 0 を返します。それは縁の検出器で、CNN ではそうしたフィルターは手で書かれるのではなく、学習されます。
フィルター(カーネル):重みの小さな格子です。valid の畳み込み:フィルターが画像の中にまるごと収まる位置だけで、なので n × n の画像と k × k のフィルターは (n - k + 1) × (n - k + 1) を返します。
このレッスンの言葉と記号
- 畳み込み
- 重みの小さな格子(フィルター)を画像の上で滑らせ、位置ごとにひとつの内積を取ること
- フィルター、特徴マップ
- 学習した重みの小さな格子。そしてその反応の画像
conv2d(img, k) を書いてください:出力の位置の上のループを使った、2 次元の画像と 2 次元のフィルターの valid の畳み込み(フィルターを反転しない、深層学習の種類)です。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。