Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

CNN — filtry

Konwolucyjne sieci neuronowe (CNN) przetwarzają dane przestrzenne — przede wszystkim obrazy — za pomocą operacji konwolucji. Filtr (kernel) przesuwa się po obrazie, obliczając sumę ważoną pikseli w każdej pozycji i tworząc mapę cech. Głębokie warstwy konwolucyjne uczą się hierarchii cech: od prostych krawędzi, przez tekstury, po złożone obiekty.

Czego się nauczysz

  • Jak kernel wykrywa wzorce w obrazie
  • Czym jest mapa cech i jak powstaje z operacji konwolucji
  • Jak różne filtry wykrywają krawędzie, rozmycie i kontury
  • Dlaczego CNN są dominującą architekturą w wizji komputerowej

Jak korzystać z wizualizacji

Wizualizacja konwolucji w sieciach CNN. Edytuj obraz 8×8 (kliknij piksele), wybierz kernel 3×3 (detekcja krawędzi, rozmycie, wyostrzenie) i obserwuj animację przesuwania filtra po obrazie. Mapa cech pokazuje jak sieć „widzi" wzorce — krawędzie, kontury, tekstury.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →