Lớp tích chập (Convolution Layer)

5. Cấu trúc luận văn

3.1.1. Lớp tích chập (Convolution Layer)

Tích chập là lớp đầu tiên để nhận dạng các đặc điểm nổi bật từ một bức ảnh đầu vào. Tích chập nhận ra mối tương quan giữa các điểmảnh bằng cách học các đặc điểm của ảnh thông qua những ô nhỏ trong dữ liệu đầu vào. Quá trình này khá đơn giản bằng cách thực hiện phép toán tích chập. Trong phép toán tích chập, từng ô nhỏ trong ảnh được nhân với mộtbộ lọc (hình 3.3).

50

* Đầu vào là một ma trận hình ảnh3 chiều (thể tích) có kích thước (h  w  d)

* Một bộ lọc(fh  fw  d)

* Kết quả đầu ra là thể tích có 3 chiều là(h - fh + 1)  (w - fw + 1)  1

Hinh 3.3 Ma trận ảnh nhân ma trận bộ lọc

Ví dụ trong hình 3.4: Xét một phần ảnh có kích cỡ 55 và mộtma trận bộ lọc có kích cỡ 33. Sau đó thực hiện tích chập nhân ma trận 55 với ma trận bộ lọc 33 và ra

được feature map.

Hinh 3.4 Ma trận đầu ra

Thực hiện tích chập một ảnh với các bộ lọc khác nhau có thể tạo ra các kết quả khác nhau như phát hiện các đường biên, làm mờ hay làm nét hơn các chi tiết của ví dụ một số bộ lọc phổ biến trong hình 3.5 gồm: identity, edge detection, sharpen, box blur, gaussian blur.

51

Hinh 3.5 Một số bộ lọc phổ biến

* Sải bước (Stride): Là số bước nhảy mỗi lần di chuyển để lấy mộtphần kích cỡ ảnh đầu vào. Khi stride là 1 thì di chuyển bộ lọc đi 1px, stride là 2 thì bước nhảy là 2px.

Hình 3.6 mô tả quá trình thực hiện tích chập với bước nhảy bằng 2.

Hinh 3.6 Sải bước 2 pixel

52

* Đệm (Padding): Nhược điểm của stride là không thể cover hết bức ảnh một cách

toàn diện. Những đặc điểm ngoài biên sẽ được quét ít hơn ở trung tâm. Điều này gây mất mát dữ liệu khi các đặc điểm quan trọng của bức ảnh nằmở ngoài biên.Nhược điểm thứ 2là ảnh sẽ càng ngày càng nhỏ tùy vào bước nhảy của chúng ta, cách giải quyết là thêm mộthoặc nhiều lớp biên ngoài cùng với giá trị mỗi pixel bằng 0 sau đó thực hiện tích chập như bình thường.