Neyron tarmoq asoslari va uni chuqur o'rganish

Рис. 4.13  Свертки и карты активации

Карта активации справа нарисована по-другому – в соответствии с принятой в литературе традицией.

Карты активации

Иногда в литературе карты активации называются картами признаков, но мы будем при-держиваться первого термина.

Для вычисления карты активации фильтр сдвигается вдоль измерения глу-бины. Вычисляется скалярное произведение элементов фильтра и элементов находящейся под ним части входной области. Фильтр представляет собой веса, умножаемые на скользящее окно входных активаций. Сеть обучается находить фильтры, которые активируются, когда видят определенные признаки в некото-рой пространственной позиции входных данных.

Трехмерная выходная область для сверточного слоя создается путем создания стопки этих карт активации, как показано на рис. 4.14. Элементы выходной об-ласти рассматриваются как выходной сигнал нейрона, который видит только не-большое окно входной области.

Сверточные нейронные сети (СНС)  125

Высота
Ширина

Глубина


Рис. 4.14  Выходная область активации сверточного слоя

0. 
   некоторых случаях этот выход является результатом применения параметров, общих для всех нейронов в одной и той же карте активации. Каждый нейрон, при-нимающий участие в генерации выходной области, связан только с небольшим участком входной области, как показано на рис. 4.15.
   

Нейрон

Фильтр

Входная область

(выделен участок, к которому применяется фильтр)

Подробная модель искусственного нейрона

Рис. 4.15  Генерация выходной области активации

Локальная связность этого процесса управляется гиперпараметром рецептив-ное поле, который задает ширину и высоту области, к которой применяется фильтр.

126  Основные архитектуры глубоких сетей