Convolution Kernels 이해하기: 예 계산을 가진 단계별 가이드

Convolution 커널은 이미지 처리 및 신경 네트워크의 기본 구성 요소입니다. 이 제품은 복잡한 프로세스를 통해 이미지에서 수정 또는 추출하는 데 사용되는 작은 매트릭스입니다. 커널이 다양한 필터 및 설계에 도움이 되는 방법을 이해하는 효과적인 모델.

Convolution Kernel은 무엇입니까?

convolution 커널은 이미지 위에 슬라이드하는 숫자의 매트릭스로 날카롭게, 흐릿하게, 또는 가장자리 탐지와 같은 작업을 수행 할 수 있습니다. 커널의 각 위치는 픽셀 값의 무게를 초과하여 출력 이미지의 새로운 픽셀 값을 생성합니다.

이 프로세스는 이미지의 특정 부분에서 커널을 배치합니다. 해당 픽셀 값과 커널 멀티피스의 각 요소와 결과가 새로운 픽셀 값을 생성하는 요약됩니다. 이 작업은 변환 된 버전을 만드는 전체 이미지에서 반복됩니다.

날카롭게 하기를 위해 사용되는 간단한 3x3 커널을 고려하십시오:

] ]] ]] ]] ]] ] ] ] ] ] ] ] ] ]] ]] ] ]] ] ]

이미지의 현재 3x3 단면도를 공급하는 것은 화소 가치를 비치하고 있습니다:

새로운 픽셀 값은 다음과 같이 계산됩니다.

] ]] ]] ] ]] ]] ] ] ] ] ] ] ] ] ]] ]]

커널을 적용한 후 결과 픽셀 값은 200입니다.