Filtro / Kernel
/ˈfɪltər ˈkɜːrnəl/
Filtro / Kernel: Una piccola matrice di pesi apprendibili che scorre sull'input durante la convoluzione per rilevare feature specifiche. I filtri sono appresi durante il training per rilevare feature utili. Dimensioni comuni: 3x3, 5x5, 7x7. Più filtri estraggono feature diverse.
In English: Filter / KernelLegge I · Embedding, feature e spazi vettorialiI filtri sono appresi durante il training per rilevare feature utili. Dimensioni comuni: 3x3, 5x5, 7x7. Più filtri estraggono feature diverse. Il termine 'kernel' è usato in modo intercambiabile con filtro.
Formula
Parametri di una Conv2d = k_h·k_w·C_in·C_out + bias
Esempio numerico
cin, cout, kh, kw = 32, 64, 3, 3
print(kh*kw*cin*cout) # 18,432 senza bias
print(kh*kw*cin*cout+cout) # 18,496 con biasQuando usarlo
I kernel apprendono rilevatori locali condivisi nello spazio e i filtri determinano i canali della feature map.
Limiti
Dimensione e dilatazione cambiano campo recettivo e costo; kernel grandi non sempre aggiungono informazione utile.
Esempi
- Filtro 3x3 edge detection
- Kernel 5x5 Gaussian blur
- Rilevatori feature appresi
Autovalutazione
Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.