Cosa sono gli strati convoluzionali e come consentono il deep learning per la visione artificiale
A differenza di me e di te, i computer funzionano solo con numeri binari. Quindi, non possono vedere e comprendere un’immagine. Tuttavia, possiamo rappresentare le immagini utilizzando pixel. Per un’immagine in scala di grigi, più piccolo è il pixel più scuro è. Un pixel assume valori compresi tra 0 (nero) e 255 (bianco), i numeri al centro sono uno spettro di grigi. Questo intervallo di numeri è uguale a a byte in binario, che è ²⁸, questa è l’unità di lavoro più piccola della maggior parte dei computer.
Di seguito è riportata un’immagine di esempio che ho creato in Python e i valori dei pixel corrispondenti:
Usando questo concetto, possiamo sviluppare algoritmi in grado di vedere modelli in questi pixel per classificare le immagini. Questo è esattamente ciò che a Rete neurale convoluzionale (CNN) fa.
La maggior parte delle immagini non sono in scala di grigi e presentano alcuni colori. Solitamente sono rappresentati utilizzando RGB, dove abbiamo tre canali: rosso, verde e blu. Ogni colore è una griglia di pixel bidimensionale, che viene quindi impilata l’una sull’altra. Quindi, l’input dell’immagine è quindi tridimensionale.
Il codice utilizzato per generare la trama è disponibile sul mio GitHub:
Panoramica
La parte fondamentale delle CNN è il convoluzione operazione. Ho un articolo completo che descrive in dettaglio come funziona la convoluzione, ma fornirò qui un breve riepilogo per completezza. Se desideri una comprensione approfondita, ti consiglio vivamente di controllare il post precedente:
Fonte: towardsdatascience.com
