Convolução manual
Por que isso importa Um pequeno conjunto de pesos, deslizado pela imagem inteira, encontra o mesmo padrão em todo lugar. Essa única ideia conserta o que você acabou de ver quebrar.
Veja isso
Rode a animação. Uma grade 3 por 3 de pesos, o filtro, fica no canto superior esquerdo da imagem. Multiplique cada um dos 9 pixels embaixo dele pelo peso em cima dele e some tudo: isso é um número de saída. Deslize um passo para a direita e faça de novo. Quando o filtro tiver passado por todas as posições, as saídas formam uma nova imagem, um pouco menor, chamada mapa de features.
Números pequenos
O filtro [[-1, 0, 1]] * 3 rows responde a mudanças de brilho da esquerda para a direita: em um trecho escuro à esquerda e claro à direita, ele dá um número positivo grande; em um trecho uniforme, dá 0. É um detector de bordas, e em uma CNN esses filtros são aprendidos, não escritos à mão.
Filtro (kernel): a pequena grade de pesos. Convolução válida: só as posições em que o filtro cabe inteiro dentro da imagem, então uma imagem n por n e um filtro k por k dão (n - k + 1) por (n - k + 1).
Palavras e símbolos nesta lição
- convolução
- deslizar uma pequena grade de pesos (um filtro) pela imagem, um produto escalar por posição
- filtro, mapa de features
- a pequena grade de pesos aprendida; e a imagem das respostas dela
Escreva conv2d(img, k): convolução válida (do tipo deep learning, que não inverte o filtro) de uma imagem 2D com um filtro 2D, usando laços sobre as posições de saída.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.