画像の畳み込みについて学ぼう

画像の畳み込みについて学ぼう

こんにちは、元気ですか？簡単に畳み込みがどのように機能するかについて説明してみますね。まず、この6×6のグレースケール画像があるとします。各ブロックはピクセルで構成され、値の範囲は0から255までの間です。カーネルの適用は非常に簡単ですので、できるだけわかりやすく説明しましょう。あなたは理解できるはずです。では、まず画像を表示します。移動しましょう。例えば、3×3の畳み込みを行いたいとします。そのためには、ウィンドウが必要です。そうです、畳み込みカーネルです。ここに表示します。何でも構いません。どんな選択肢でも構いません。ただし、選択によって結果が異なるので、よく考えて決めましょう。では、この画像に適用してみましょう。どうなるか見てみましょう。簡単な例を選んでみましょう。ちょっと整理して書きますね。たとえば、ここに0、ここに1、ここに0、ここに1、ここに0を選びます。計算を簡単にするためにこれらの値を選びました。ここにある数字はあまり単純ではないので、計算は途中でやめるかもしれません。では、計算を行いましょう。行ごとに計算し、すべてを足し合わせます。最後に、この行をこの行に掛けることで演算を行います。例えば、これだけを計算してみましょう。0×111 + 1×222 + 0×163などです。結果を足し合わせて、最終的な値を求めます。この値を適用すると、新しい画像が得られます。4つのブロックを足し合わせると、649という値が得られます。この値を新しい画像に適用すると、以下のようになります。先ほどの部分を忘れていましたので、訂正します。4になります。これを1回さらにずらして、以下のように行います。フィルタの重なる部分を計算して、その値を求めます。163 + 32 + 215 + 184などです。このように計算を行い、値を得ることができます。これを何度も繰り返していきます。フィルタを1つずつずらし、中央の値のみを取得します。つまり、畳み込みは新しい画像の中心になります。6×6の画像から4×4の画像へと変換されます。つまり、画像のサイズが小さくなることに注意してください。もし5×5の畳み込みを行った場合、1、2、3、4のようにフィルタをずらして演算を行い、2×2の画像が得られます。つまり、出力は4つのピクセルからなり、それぞれの値が異なります。このようにして、6×6の画像から2×2の画像へと変換されます。値の具体的な要素によって異なります。これが役に立つといいですね。