كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعي

مختبر الرؤية الحاسوبية الخوارزميات الالتفاف ثنائي الأبعاد

الالتفاف ثنائي الأبعاد

2D convolution / cross-correlation

تمرير نواة صغيرة على الصورة وحساب مجموع حواصل الضرب في كل موضع.

داخل المتصفحالالتفاف والشبكات العصبيةالشبكات العصبية

هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.

الصيغة الرياضية

(I \star K)(i,j) = \sum_{m}\sum_{n} I(i\cdot s + m,\; j\cdot s + n)\, K(m,n) + b

الشرح

ما تحسبه طبقات CNN فعلياً هو الارتباط المتقاطع (دون قلب النواة). حجم المخرج = ⌊(n + 2p − k)/s⌋ + 1 حيث p الحشو وs الخطوة.

التطبيقات

كل المرشحات الخطية، الطبقات الالتفافية في الشبكات العميقة.

القيود

كلفة حسابية تتناسب مع حجم النواة والصورة.

المراجع

  1. V. Dumoulin, F. Visin (2016).A guide to convolution arithmetic for deep learning. arXiv:1603.07285. doi:10.48550/arXiv.1603.07285
  2. I. Goodfellow, Y. Bengio, A. Courville (2016).Deep Learning. MIT Press. www.deeplearningbook.org

تجارب تستخدم هذه الخوارزمية

نماذج مرتبطة

دروس مرتبطة

جرّبها في الالتفاف والشبكات العصبية