Links
📌

Evrişimli Sinir Ağları ile İlgili Genel Kavramlar

📚 Önemli Terim

Terim
Açıklama
Konvülosyon(Convolution)
Görüntüye bir filtre uygulayarak görüntüdeki bazı özellikler vurgulanır.

🎀 Konvolüsyon Örneği

🤔 -7'yi nasıl bulduk?

element wise çarpma yaptık, sonra sonuç matrisinin toplamını hesapladık; yani:
3*1 + 1*0 + 1*(-1)
+
1*1 + 0*0 + 7*(-1)
+
2*1 + 3*0 + 5*(-1)
=
-7
Ve diğer elemanlar için bu şekilde devam eder 🙃

👼 Hesaplamayı Görselleştirme

🔎 Kenar Algılama

Konvolüsyon işleminin bir uygulaması

🔎 Kenar Algılama Örnekleri

Sonuç: yatay çizgiler ortaya çıkıyor
Sonuç: dikey çizgiler ortaya çıkıyor

🙄 Ya Diğer Sayılar?

Filtrenin elemanlarına sayı koyabileceğimiz pek çok yol var.
Örneğin, Sobel filtresi bu şekildedir:
1 0 -1
2 0 -2
1 0 -1
Scharr filtresi de bu şekildedir:
3 0 -3
10 0 -10
3 0 -3
Prewitt filtresi:
-1 0 1
-1 0 1
-1 0 1
Yani buradaki kritik nokta orta satıra dikkat etmek.
Ve Roberts filtresi:
1 0
0 -1

✨ Başka Bir Yaklaşım

Bu sayıları ML yaklaşımı ile ayarlayabiliriz; Filtrenin bir ağırlık grubu olduğunu diyebiliriz, yani:
w1 w2 w3
w4 w5 w6
w7 w8 w9
Bu sayede, elle elde etmek yerine otomatik olarak yatay, dikey, açılı veya herhangi bir kenar tipini öğrenebiliriz.

🤸‍♀️ Hesaplamalı Detaylar

n*n'lik bir resmimiz varsa ve f*f'lik bir filtre uygulamak istersek, sonuç resmi n-f+1*n-f+1 boyutunda olacaktır

😐 Olumsuz Yanları

  1. 1.
    🌀 Çok fazla filtre uygularsak, görselimiz küçülür.
  2. 2.
    🤨 Köşelerdeki piksellere yeterince dokunulmadığından, görüntünün kenarlarından birçok bilgi göz ardı ediliyor

💡 Çözüm

Resimlere Dolgulama işlemini uygulayabiliriz 💪

🌞 Yazının Aslı

🧐 Referanslar