回答編集履歴
1
d
test
CHANGED
@@ -31,3 +31,35 @@
|
|
31
31
|
|
32
32
|
|
33
33
|
![イメージ説明](4b94a45f65207c2fb7722198dd0ff13d.png)
|
34
|
+
|
35
|
+
|
36
|
+
|
37
|
+
## 追記
|
38
|
+
|
39
|
+
|
40
|
+
|
41
|
+
まず畳み込みですが、カーネルをスライドさせて線形和で出力を計算する画像処理でいう「フィルタリング」という処理を行っています。
|
42
|
+
|
43
|
+
|
44
|
+
|
45
|
+
![イメージ説明](c04976c0762779af9e261176eac0d4c5.gif)
|
46
|
+
|
47
|
+
|
48
|
+
|
49
|
+
線形和なので例えば、出力の1つの要素を計算するには、以下のニューロンの結合で計算するのと同じですね。
|
50
|
+
|
51
|
+
|
52
|
+
|
53
|
+
![イメージ説明](7e7e79f6d0c0c6ffc1bb17811d829cff.png)
|
54
|
+
|
55
|
+
|
56
|
+
|
57
|
+
このフィルタリングですが、重み次第でエッジであったり、特定の色であったり様々な情報を抽出できます。
|
58
|
+
|
59
|
+
つまり、フィルタの種類をたくさん用意しておけば、それだけ多くの特定が抽出できます。
|
60
|
+
|
61
|
+
下は ResNet の1層目の畳み込み層の馬の入力画像に対する各カーネルによる出力結果です。カーネルの種類によって、エッジや色など抽出されているのがわかると思います。
|
62
|
+
|
63
|
+
|
64
|
+
|
65
|
+
![イメージ説明](0f623b7746f73c0d639ec8ae78da7bf2.png)
|