3.3 - El filtro o kernel
Lección 3 de la sección “Redes Convolucionales” del curso Fundamentos de Deep Learning con Python.
Tabla de contenido
Introducción
En la lección anterior hablamos de los retos del procesamiento de imágenes y de las limitaciones de las Redes Neuronales para el procesamiento de estos datos.
A partir de esta lección comenzaremos a profundizar en las Redes Convolucionales y a entender poco a poco cómo logran realizar el procesamiento de imágenes logrando un desempeño impresionante en tareas de visión por computador.
En particular, nos enfocaremos en el filtro o kernel, el elemento fundamental de cualquier Red Convolucional, pues al aplicarlo a una imagen permite resaltar diferentes tipos de patrones o extraer ciertas características.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
El campo receptivo visual
Recordemos que las neuronas de la corteza visual procesan las imágenes por regiones y que se especializan en extraer características específicas de dichas imágenes.
El filtro o kernel emula este funcionamiento y permite en últimas extraer características de una imagen a partir de su procesamiento por regiones.
Principio de funcionamiento del filtro o kernel
Este filtro es simplemente una matriz bidimensional con un tamaño menor al de la imagen, y que hace un barrido a través de la misma.
El contenido de esta matriz bidimensional es una serie de coeficientes que se aprenderán durante el entrenamiento de la Red, y que tras el barrido permitirán extraer ciertas características de la imagen (tal como lo hace el sistema de visión humano).
En cada posición dentro de este barrido se realiza una comparación entre el kernel y la porción coincidente de la imagen. Esta comparación es una operación matemática que se conoce como convolución, y es la que le da precisamente el nombre a las Redes Convolucionales.
Como resultado de esta convolución entre la imagen original y el filtro o kernel, se obtendrá lo que se conoce como un mapa de características.
Recuerda suscribirte para acceder al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Conclusión
Ya tenemos una idea general de cómo funciona el filtro o kernel, pero sólo hemos mencionado la convolución sin analizar en detalle en qué consiste esta operación.
En la próxima lección nos enfocaremos en esta convolución y veremos un ejemplo sencillo aplicado a una imagen en escala de grises.