Hoe werkt een convolutionele laag?

Een convolutionele laag is een essentieel onderdeel van convolutionele neurale netwerken (CNN), die wordt gebruikt voor het verwerken van beelden en andere gegevens met een ruimtelijke structuur.

Het werkt als volgt:

• Een multikanaaltensor (bijvoorbeeld een afbeelding met RGB-kanalen) wordt als invoer gegeven.
• De convolutionele laag bevat een reeks filters (convolutiekernen), die kleine matrices zijn met trainbare gewichten.
• Elke filter "glijdt" sequentieel over de invoergegevens (convolutie-operatie), waarbij het inproduct wordt berekend tussen het filter en het overeenkomstige deel van de invoer.
• Het resultaat is een feature map die aangeeft hoe actief dat filter is in verschillende gebieden van de invoer.
• Na de convolutie wordt meestal een activatiefunctie (zoals ReLU) toegepast en soms pooling om de dimensionaliteit te verminderen.

Voorbeeld: als een filter horizontale randen detecteert, zullen de outputwaarden hoog zijn waar in de afbeelding horizontale lijnen aanwezig zijn.

Op deze manier haalt de convolutionele laag automatisch lokale kenmerken uit, wat het mogelijk maakt om modellen efficiënt te trainen voor patroonherkenningstaken.