Playground de convolución y mapas de características

Convolutional feature maps are generated through localized matrix dot products traversing a multidimensional input tensor. The operation extracts spatial hierarchies by applying discrete translation-invariant filters. Adjusting stride and padding modifies the resulting tensor dimensions deterministically, following strict algebraic formulas. This mathematically efficient extraction of structural data minimizes parameter space, establishing the computational foundation for sophisticated pattern recognition within deep neural architectures.

Una convolución desliza una pequeña rejilla de números, el kernel, por la imagen. En cada parada multiplica los valores superpuestos y los suma en un único píxel de salida. El resultado es un mapa de características que se ilumina allí donde aparece el patrón del kernel. Prueba aquí el kernel de detección de bordes: las zonas planas se oscurecen y los límites se encienden, porque el kernel responde al cambio, no al brillo en sí.

La operación que casi toda CNN llama "convolución" es en realidad una correlación cruzada. La convolución matemática verdadera primero voltea el kernel de arriba abajo y de izquierda a derecha antes de deslizarlo; las bibliotecas de aprendizaje profundo omiten ese volteo. Como la red aprende los pesos de todos modos, un kernel volteado simplemente se aprendería al revés y daría un resultado idéntico, por eso pervive el nombre erróneo. Con un kernel simétrico como el de desenfoque, ambas son indistinguibles.