Faltung: das 3×3-Raster, in dem maschinelles Sehen beginnt
Zeichne eine Form und sieh zu, wie ein winziger 3×3-Filter ihre Kanten findet, sie weichzeichnet oder schärft. Genau diese Rechnung treibt faltende neuronale Netze an.
Diese Woche lernt die Maschine zu sehen. Das Perzeptron zog eine Linie, die Markov-Plappermaschine zählte Wörter, und Tic-Tac-Toe durchsuchte einen Spielbaum. Das heutige Spielzeug tut das, was jedes Bildmodell zuerst tut: Es filtert Pixel.
Das Gadget unten ist eine Faltungs-Spielwiese. Zeichne etwas in die linke Box (oder drücke Demo laden), wähle einen Filter und sieh zu, wie sich die rechte Box aktualisiert. Jeder Filter ist ein winziges 3×3-Raster aus Zahlen, ein sogenannter Kernel. Die Maschine schiebt diesen Kernel über jeden Pixel, multipliziert die neun Nachbarn mit den neun Zahlen, addiert alles und schreibt das Ergebnis. Diese eine Rechenoperation, über das ganze Bild wiederholt, ist Faltung.
Probier das:
- Lass den Filter auf Kanten und lade die Demo. Die vollen Formen schrumpfen auf ihre bloßen Umrisse. Der Filter reagiert auf Veränderung: flache Flächen werden dunkel, Ränder leuchten auf.
- Wechsle zu Weichzeichnen, Schärfen oder Relief und sieh dieselbe Zeichnung sich verwandeln. Das kleine Raster in der Mitte ist genau die Rechnung, die angewendet wird.
- Zeichne dein eigenes Gekritzel und schau, was jeder Filter behält und was er wegwirft.
Warum Kanten zählen
Kanten zu finden klingt bescheiden, ist aber das Fundament des maschinellen Sehens. Eine Kante ist dort, wo sich etwas ändert, und Objekte bestehen größtenteils aus Kanten. Stapelt man viele Faltungsfilter, erkennen die ersten Kanten, die nächsten setzen Kanten zu Ecken und Texturen zusammen, und spätere fügen daraus Augen, Räder oder Katzen.
Die Idee, die 2012 erwachte
Faltung in der Bildverarbeitung ist Jahrzehnte alt. Geändert hat sich der Maßstab. 2012 stapelte AlexNet Faltungsschichten auf GPUs und pulverisierte den ImageNet-Wettbewerb, was die Ära des tiefen Lernens einläutete. Darunter steckt derselbe Zug, den du hier machst: ein kleiner neuronaler Netz-Kernel, der über ein Bild wandert. Der Clou: Ein echtes Netz nutzt keine handverlesenen Kernel wie diese. Es lernt die neun Zahlen aus Daten, millionenfach.
Das bescheidene 3×3-Raster ist also der Anfang des maschinellen Sehens. Du zeichnest, der Filter entscheidet, was Beachtung verdient.
Die früheren Ausgaben verpasst? Trainiere ein Perzeptron, sieh einer Markov-Kette beim Plappern zu oder verliere gegen unbesiegbares Tic-Tac-Toe.