Wie funktioniert eine Faltungsschicht?

Eine Faltungsschicht ist ein Schlüsselelement von Convolutional Neural Networks (CNN), das zur Verarbeitung von Bildern und anderen Daten mit räumlicher Struktur verwendet wird.

Sie funktioniert wie folgt:

• Ein mehrkanaliger Tensor (z.B. ein Bild mit RGB-Kanälen) wird als Eingabe bereitgestellt.
• Die Faltungsschicht enthält eine Reihe von Filtern (Faltungskerne), die kleine Matrizen mit trainierbaren Gewichten sind.
• Jeder Filter "gleitet" sequenziell über die Eingabedaten (Faltung-Operation), wobei das Skalarprodukt zwischen dem Filter und dem entsprechenden Abschnitt der Eingabe berechnet wird.
• Das Ergebnis ist eine Merkmalskarte, die zeigt, wie stark dieser Filter in verschiedenen Bereichen der Eingabe aktiviert wird.
• Nach der Faltung wird in der Regel eine Aktivierungsfunktion (wie ReLU) angewendet, und manchmal auch ein Pooling, um die Dimensionalität zu verringern.

Beispiel: Wenn ein Filter horizontale Kanten erkennt, werden in der Ausgabe hohe Werte erscheinen, wo im Bild horizontale Linien vorhanden sind.

Auf diese Weise extrahiert die Faltungsschicht automatisch lokale Merkmale, was es ermöglicht, Modelle effizient für Mustererkennungsaufgaben zu trainieren.