みんなのAI
機械学習プレイグラウンド

プレイグラウンド

触って学ぶAI実験室

ディープラーニング

  • NN分類器

強化学習

  • RLエージェント

コンピュータビジョン

  • 畳み込みビジョン

Transformer

  • Attention プレイグラウンド
NN分類器RLエージェント畳み込みビジョンAttention プレイグラウンド
読み込み中…

プレイグラウンド

畳み込みビジョン Playground

K-カルチャー パターンにフィルタを当て、feature map の変化をリアルタイムで確認!

フェーズ待機
設定の説明

▶ でカーネルが入力上をスライドし、畳み込み→ReLU→プーリングが1マスずつ埋まります。1ステップで手動確認もできます。

入力画像

どの K-カルチャー パターンで試しますか?

関連で学ぶ
  • 畳み込みニューラルネット(CNN)基礎:空間的特徴抽出
  • 中級ディープラーニング:安定学習と非構造データの理解

16×16 ピクセル パターンをグレースケールに変換して畳み込みに入れます。

3×3 カーネル

プリセットを選ぶか、セルをクリックして編集

関連で学ぶ
  • 畳み込みニューラルネット(CNN)基礎:空間的特徴抽出
  • プーリングとマルチチャネル
  • ディープラーニングで見る活性化関数

カーネルは入力上をスライドし、3×3 近傍の重み付き和で feature map を作ります。

プリセット

Sobel X — 水平方向の明るさ変化 — 縦エッジ(垂直境界)を強調

セルをクリックすると −2〜2 の値が循環します。

出力

各段階の feature map — 再生で畳み込み・ReLU・プーリングが1マスずつ埋まります

入力画像にマウスを乗せると、カーネルが覆う 3×3 領域が表示されます。

入力

16×16

16×16 原画素 — K-カルチャー パターンをグレースケールで入力

→

畳み込み

14×14

3×3 フィルタ走査 — 近傍の重み付き和でエッジ・テクスチャなど空間特徴を抽出

→

ReLU

14×14

max(0, x) — 負の応答を 0 にし、活性化した特徴だけ残す

→

プール

7×7

2×2 最大値 — マップを縮小し、位置ずれに強くする

ヒートマップ:紫=正、橙=負 · 濃いほど強い