Wat is een vouwbewerking? Wat zijn de eigenschappen ervan? Hoe kan het worden voorgesteld als matrixvermenigvuldiging (im2col)?

De convolutie-operatie is een fundamentele bewerking in convolutionele neurale netwerken (CNN), die wordt gebruikt om kenmerken uit invoergegevens (bijvoorbeeld afbeeldingen) te extraheren. Het bestaat uit het glijdend toepassen van een filter (convolutiekern) op het ingangssignaal, gevolgd door het optellen van de producten van de filterelementen en de overeenkomstige elementen van de invoer.

Belangrijkste eigenschappen van convolutie:

• Lokalisatie: de filter bedekt een lokaal deel van de invoergegevens.
• Parametrische efficiëntie: dezelfde filter wordt op de hele invoer toegepast.
• Invariantie tegen verschuivingen: convolutie detecteert kenmerken onafhankelijk van hun positie.

Weergave van convolutie via matrixvermenigvuldiging (im2col):

De im2col-methode transformeert de invoerafbeelding in een matrix, waarbij elke kolom overeenkomt met een lokaal deel (venster) dat wordt uitgerold tot een vector, waarop de filter wordt toegepast. De filter wordt uitgerold tot een rij-vector. Vervolgens wordt de convolutie gereduceerd tot het vermenigvuldigen van de im2col-matrix met de filtervector, waardoor gebruik kan worden gemaakt van geoptimaliseerde matrixvermenigvuldigingsoperaties.

Voorbeeld:

• Invoerapparaat 4x4
• Filter 3x3

im2col zal een matrix maken van formaat 9x4 (elke kolom is een uitgerolde 3x3-venster), en de filter wordt een vector van lengte 9. Het resultaat van de vermenigvuldiging is een vector van lengte 4, die weer kan worden omgezet in een kenmerkkaart van 2x2.

Dit versnelt de berekeningen en vereenvoudigt de implementatie van convoluties op GPU en CPU.