Playground de convolução e 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.

Uma convolução desliza uma pequena grade de números, o kernel, sobre a imagem. Em cada parada, multiplica os valores sobrepostos e os soma em um único pixel de saída. O resultado é um mapa de características que se ilumina onde o padrão do kernel aparece. Experimente aqui o kernel de detecção de bordas: regiões planas escurecem e as fronteiras se acendem, porque o kernel responde à mudança, não ao brilho em si.

A operação que quase toda CNN chama de "convolução" é na verdade uma correlação cruzada. A convolução matemática verdadeira primeiro inverte o kernel de cima para baixo e da esquerda para a direita antes de deslizá-lo; as bibliotecas de aprendizado profundo pulam essa inversão. Como a rede aprende os pesos de qualquer forma, um kernel invertido seria simplesmente aprendido ao contrário e daria um resultado idêntico, e por isso o nome errado pegou. Com um kernel simétrico como o de desfoque, as duas são indistinguíveis.