Müfredat 246 dersinden 112. · Modül 10: Gören ağlar (CNN'ler)
Modül 10: Gören ağlar (CNN'ler)

Elle evrişim

Neden önemli Bütün resim boyunca kaydırılan küçük tek bir ağırlık kümesi aynı kalıbı her yerde bulur. Bu tek fikir az önce bozulduğunu gördüğün şeyi düzeltir.

Gör

Animasyonu oynat. 3'e 3'lük bir ağırlık ızgarası, filtre, resmin sol üst köşesine oturur. Altındaki 9 pikselin her birini üstündeki ağırlıkla çarp ve topla: bu bir çıktı sayısıdır. Bir adım sağa kay ve tekrar yap. Filtre her konumu ziyaret ettiğinde çıktılar, özellik haritası denen yeni, biraz daha küçük bir resim oluşturur.

Küçük sayılar

[[-1, 0, 1]] * 3 rows filtresi soldan sağa parlaklık değişimlerine tepki verir: solda karanlık ve sağda parlak bir yamada büyük pozitif bir sayı verir; düz bir yamada 0 verir. Bir kenar dedektörüdür, ve bir CNN'de bu tür filtreler elle yazılmaz, öğrenilir.

Filtre (çekirdek): küçük ağırlık ızgarası. Geçerli evrişim: yalnızca filtrenin resmin içine tamamen sığdığı konumlar, yani n'ye n bir resim ve k'ye k bir filtre (n - k + 1)'e (n - k + 1) verir.

Bu dersteki kelimeler ve semboller
evrişim
küçük bir ağırlık ızgarasını (bir filtre) bir resim boyunca kaydırmak, konum başına bir iç çarpım
filtre, özellik haritası
öğrenilmiş küçük ağırlık ızgarası; ve onun tepkilerinden oluşan resim
Senin sıran

conv2d(img, k) yaz: çıktı konumları üzerinde döngüler kullanarak, 2B bir resmin 2B bir filtreyle geçerli evrişimi (filtreyi çevirmeyen, derin öğrenme türü).

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.