Praktik ML: Klasifikasi Gambar

Periksa Pemahaman Anda: Konvolusi

Filter konvolusional 3x3 dua dimensi diterapkan ke peta fitur input 4x4 dua dimensi (tanpa menambahkan padding):

Seperti apa bentuk peta fitur output?
2x2
Saat filter 3x3 meluncur di atas peta fitur 4x4, ada 4 lokasi unik tempat filter tersebut dapat ditempatkan, yang menghasilkan peta fitur output 2x2: Animasi yang menunjukkan filter konvolusional 3x3 yang meluncur di atas peta fitur 4x4.
           Ada 4 posisi unik tempat filter 3x3 dapat ditempatkan, yang masing-masing sesuai dengan
           salah satu dari 4 elemen dalam peta fitur output 2x2.
3x3
Meskipun filternya sendiri berukuran 3x3, peta fitur output lebih kecil karena ada kurang dari 9 (3 kali 3) kemungkinan lokasi tempat filter dapat ditempatkan pada peta fitur input 4x4.
4x4
Untuk menghasilkan peta fitur output dengan dimensi yang sama seperti peta fitur input tanpa padding, filter konvolusional harus berbentuk 1x1. Filter yang lebih besar dari 1x1 akan menghasilkan peta fitur output yang lebih kecil daripada peta fitur input. Karena filter kita berukuran 3x3, peta fitur output harus lebih kecil daripada 4x4.