Я пытаюсь понять, что скрывается под сверточным слоем в сети.
Я прочитал много учебных пособий и блогов на средних и многих вещах о контраве, но я обнаружил, что не было ясности в самом сверточном процессе. Я хочу знать, что делает там сверточный слой сети, мы все знаем, что есть ядро (фильтр), которое проходит через весь промежуток изображения и получает точечный продукт сам по себе, и это весь его вывод, но что делает фактическое значение этого процесса свертки в терминах матрицы, что он присваивает своим выводам, каково его физическое значение этого конкретного числа.
Точно так же, как при использовании ядра Гаусса, мы можем интерпретировать его, поскольку он придает центральному пикселю больший вес, чтобы он мог расти больше на размытом изображении, а края могут становиться более резкими, чтобы их можно было четко видеть на размытом изображении. этой операции выполняется, поскольку мы рассматриваем гауссово распределение сфокусированного окна на изображении (то же измерение ядра), значение вероятности центрального пикселя может стать ниже (если оно составляет меньшую часть в его окружении): _- Это все, почему мы выбираем ядро Гаусса для размытия изображения и других операций с изображениями.
Теперь я хочу создать ту же интуицию, что и у ядра Гаусса, с точки зрения значений окружающих пикселей.
Подводя итог моему запросу, я хочу нарисовать интуицию для сверточного слоя с точки зрения работы с фильтром и окружающими значениями в окне изображения, которое находится в текущем фокусе.