大家的AI
机器学习Playground 试玩

游乐场

动手实验的 AI 实验室

深度学习

  • 神经网络分类器

强化学习

  • 强化学习智能体

计算机视觉

  • 卷积视觉

Transformer

  • 注意力 Playground
神经网络分类器强化学习智能体卷积视觉注意力 Playground
加载中…

游乐场

卷积视觉 Playground

对 K 文化图案施加滤波器,实时查看 feature map 如何变化!

阶段就绪
设置说明

点击 ▶ 让核在输入上滑动,逐格填充卷积→ReLU→池化。也可单步手动推进。

输入图像

选择哪种 K 文化图案?

相关章节
  • 卷积神经网络(CNN)基础:空间特征提取
  • 中级深度学习:稳定学习与非结构化数据理解

16×16 像素图案转为灰度后送入卷积。太极、丹青与神经网络分类器数据集主题一致。

3×3 核

选择预设或点击格子编辑

相关章节
  • 卷积神经网络(CNN)基础:空间特征提取
  • 池化(Pooling)与多通道(Multi-Channel)
  • 深度学习中的激活函数

核在输入上滑动,每个输出格是 3×3 邻域的加权和。Sobel 找边缘,模糊平滑,锐化增强轮廓。

预设

Sobel X — 水平亮度变化 — 强调竖直边缘

点击核格子可在 −2 到 2 之间循环。

输出

各阶段 feature map — 播放时卷积、ReLU、池化逐格填充

鼠标悬停输入图像可高亮核覆盖的 3×3 区域。

输入

16×16

16×16 原始像素 — K 文化图案转为灰度送入 CNN

→

卷积

14×14

3×3 滤波滑动 — 邻域加权和提取边缘、纹理等空间特征

→

ReLU

14×14

max(0, x) — 负响应置零,只保留激活特征

→

池化

7×7

2×2 取最大 — 缩小特征图,增强对小幅平移的鲁棒性

热力图:紫=正,橙=负 · 越深越强