Praktikum ML: Klasifikasi Gambar

Memeriksa Pemahaman Anda: Konvolusi

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

Bagaimana bentuk peta fitur output?
2x2
Saat filter 3x3 bergeser di atas peta fitur 4x4, ada 4 lokasi unik tempat filter tersebut dapat ditempatkan, yang menghasilkan peta fitur output 2x2: Animasi yang menampilkan filter konvolusi 3x3 meluncur di atas peta fitur 4x4.
           Ada 4 posisi unik tempat filter 3x3 dapat ditempatkan, masing-masing sesuai dengan
           salah satu dari 4 elemen dalam peta fitur output 2x2.
3x3
Meskipun filter itu sendiri adalah 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 membuat peta fitur output dengan dimensi yang sama dengan peta fitur input tanpa padding, filter konvolusi harus berukuran 1x1. Filter yang lebih besar dari 1x1 akan menghasilkan peta fitur output yang lebih kecil dari peta fitur input. Karena filter kita adalah 3x3, peta fitur output harus lebih kecil dari 4x4.