「Animated AI」——动画卷积神经网络(CNN)的原理

一个名为「Animated AI」的网站已经发布了相关动画，该网站使用以易于理解的动画方式解释了书面难以理解的广泛用于机器学习领域的“卷积神经网络（CNN）”。

Animated AI

https://animatedai.github.io/

卷积神经网络（CNN）是通过过滤器对输入数据（如图像）进行加权的方法之一，以便更容易识别数据的形状。 以下文章中介绍了详细信息。

卷积神经网络 （CNN） 从基础到实现 – 体验式学习博客by zero to one

https://zero2one.jp/learningblog/cnn-for-beginners/

在「Animated AI」中，针对卷积处理的基本动作、通过卷积处理调整输出数据的尺寸变小的问题的称为“填充”的处理、过滤器的移动间隔“条纹”等内容，不仅显示动画gif还贴上了解说各自内容的YouTube视频的链接。

例如，下面是一个显示基本行为的动画： 单击图像进行播放。

下面是一个解释基本操作的YouTube视频《Fundamental Algorithm of Convolution in Neural Networks - YouTube》。

放置在后面的立方体是输入数据。 将数据划分为网格，并量化每个点（像素）的特征。

前景中的立方体是筛选器。 切掉输入数据的一部分（例如，3×3 的范围），并将每个过滤器的数字应用于输入数据中的数字以进行权重。 加权可以更轻松地识别每个像素的大量特征，例如颜色和形状。

过滤特定范围，当一个范围结束时，移动到一个单元格旁边并过滤下一个范围...... 重复此操作并处理所有范围。 步幅是此时范围内运动之间的距离。

使用一个筛选器完成处理后，将使用下一个筛选器再次处理。 不断重复这个过程。

处理数据时，生成的数据小于原始数据。 为防止这种情况，请在原始数据周围添加具有“0”等值的像素并调整其大小，这种技术称为填充。

步幅 1 是将过滤器范围移动 1 个方格，步幅 2 是将过滤器范围移动 2 个方格。 以下视频在动画中对此进行了演示。

此外，还解释了一种称为“深度可分离卷积”的技术以及一种称为“像素洗牌”的技术。