مختبر الرؤية الحاسوبية الدروس الالتفاف خطوة بخطوة
الالتفاف خطوة بخطوة
Convolution explained step by step
الحساب الدقيق للالتفاف: الضرب العنصري والمجموع والحشو والخطوة وحجم المخرج.
هذا المحتوى أُعدّ آلياً من مصادر موثقة ولم تكتمل مراجعته العلمية البشرية بعد. إن وجدت خطأً فأبلغنا.
المقدمة
الالتفاف قلب الشبكات العصبية الالتفافية، وفهمه يدوياً يزيل الغموض عن كل ما يليه.
الأهداف التعليمية
- حساب خلية مخرج يدوياً.
- فهم الحشو والخطوة.
- حساب أبعاد المخرج.
المتطلبات السابقة
الترشيح المكاني.
الشرح العلمي
تنزلق النواة على الإدخال، وفي كل موضع نضرب كل عنصر من النواة في البكسل المقابل ونجمع النواتج ثم نضيف الانحياز. الحشو بالأصفار (same) يحفظ الأبعاد، وبلا حشو (valid) يصغر المخرج. الخطوة s تقفز بالنافذة s بكسل فتصغّر المخرج. الطبقات الالتفافية تحسب فعلياً الارتباط المتقاطع دون قلب النواة.
المعادلات الرياضية
حجم المخرج = ⌊(n + 2p − k)/s⌋ + 1. مثال: n = 7، k = 3، p = 0، s = 1 ← المخرج 5×5.
مثال عملي
نواة سوبل الأفقية على مصفوفة فيها حافة رأسية (أصفار ثم تسعات) تعطي قيماً كبيرة (36) عند الحافة وأصفاراً في المناطق المتجانسة.
خطوات التنفيذ
- افتح مختبر الالتفاف واختر «Sobel X».
- اضغط «التالية» وتتبع الحساب في كل خلية.
- غيّر الحشو والخطوة ولاحظ حجم المخرج.
النتائج المتوقعة
المخرج يحتوي قيماً كبيرة فقط في أعمدة الحافة، وحجمه يطابق المعادلة.
الأخطاء الشائعة
الخلط بين الالتفاف الرياضي (بقلب النواة) والارتباط المتقاطع، ونسيان الانحياز، والخطأ في حساب الأبعاد مع الخطوة.
التطبيقات العملية
كل طبقة التفافية في CNN، والمرشحات التقليدية.
المراجع
- V. Dumoulin, F. Visin (2016).A guide to convolution arithmetic for deep learning. arXiv:1603.07285. doi:10.48550/arXiv.1603.07285
- I. Goodfellow, Y. Bengio, A. Courville (2016).Deep Learning. MIT Press. www.deeplearningbook.org
