Hogyan működik egy konvolúciós réteg?

A konvolúciós réteg a konvolúciós neurális hálózatok (CNN) egyik kulcsfontosságú eleme, amelyet képek és más térbeli szerkezetű adatok feldolgozására használnak.

Így működik:

• Bemenetként egy többcsatornás tenzor (például egy RGB-színcsatornákkal rendelkező kép) kerül be.
• A konvolúciós réteg egy készlet szűrőt (konvolúciós magokat) tartalmaz, amelyek kis mátrixok, tanulható súlyokkal.
• Minden szűrő egymás után "csúszik" a bemeneti adatokon (konvolúciós művelet), kiszámítva a szűrő és a bemenet megfelelő részének skaláris szorzatát.
• Az eredmény egy jellemzőtérkép (feature map), amely megmutatja, hogy mennyire aktiválódik az adott szűrő különböző területeken a bemeneten.
• Általában a konvolúció után aktivációs függvényt (például ReLU-t) alkalmaznak, és néha poolingot a méret csökkentésére.

Példa: ha egy szűrő horizontális éleket észlel, akkor a kimeneten magas értékek lesznek ott, ahol a képen horizontális vonalak találhatók.

Így a konvolúciós réteg automatikusan kinyeri a helyi jellemzőket, ami lehetővé teszi a modellek hatékony tanítását mintafelismerő feladatokra.