¿Qué es una operación de plegado? ¿Cuáles son sus propiedades? ¿Cómo se puede representar como una multiplicación matricial (im2col)?

La operación de convolución es una operación fundamental en las redes neuronales convolucionales (CNN), que se utiliza para extraer características de los datos de entrada (por ejemplo, imágenes). Consiste en aplicar de manera deslizante un filtro (núcleo de convolución) al señal de entrada con la posterior suma de los productos de los elementos del filtro y los elementos correspondientes de la entrada.

Propiedades principales de la convolución:

• Localidad: el filtro cubre una sección local de los datos de entrada.
• Eficiencia paramétrica: el mismo filtro se aplica a toda la entrada.
• Invarianza a desplazamientos: la convolución detecta características independientemente de su posición.

Representación de la convolución mediante multiplicación matricial (im2col):

El método im2col transforma la imagen de entrada en una matriz, donde cada columna corresponde a una sección local (ventana) desplegada en vector, sobre la cual se aplica el filtro. El filtro se despliega en una fila-vector. Luego, la convolución se reduce a multiplicar la matriz im2col por el vector del filtro, lo que permite utilizar operaciones optimizadas de multiplicación matricial.

Ejemplo:

• Imagen de entrada 4x4
• Filtro 3x3

im2col creará una matriz de tamaño 9x4 (cada columna es una ventana de 3x3 desplegada en vector), y el filtro será un vector de longitud 9. El resultado de la multiplicación será un vector de longitud 4, que puede convertirse de nuevo en un mapa de características 2x2.

Esto acelera los cálculos y simplifica la implementación de convoluciones en GPU y CPU.