🧠 Come leggere questa demo
Carica una piccola immagine o scegli un esempio pronto: ogni filtro convoluzionale metterà in evidenza un aspetto diverso (bordi, contorni, sfocatura, rilievo). È il principio con cui una CNN (Convolutional Neural Network) costruisce rappresentazioni sempre più ricche.
- Carica/usa un'immagine e osserva l'input originale nell'area a sinistra.
- Seleziona i filtri disponibili per confrontare output e mappe di attivazione.
- In fondo trovi i dettagli tecnici sul kernel attivo e le statistiche dei valori.
📷 Input Immagine
📁 Clicca per caricare un'immagine
o usa uno degli esempi qui sotto
Immagine Originale
Input della rete neurale
Feature Map
Seleziona un filtro
🎯 Filtri Convoluzionali
Ogni filtro 3×3 scorre sull'immagine per rilevare pattern specifici. Clicca per applicarlo!
💡 Cosa sta rilevando il filtro?
Seleziona un filtro per vedere la spiegazione
🧠 Come funzionano le Convolutional Layers?
Le Convolutional Layers sono il cuore delle reti neurali per computer vision. Un filtro (kernel) piccolo "scorre" sull'immagine, calcolando il prodotto scalare con ogni regione. Questo produce una feature map che evidenzia dove il pattern del filtro è presente.
Gerarchia delle features:
Translation invariance: riconoscono pattern ovunque nell'immagine • Parameter sharing: stessi pesi per tutta l'immagine • Hierarchical learning: da semplice a complesso automaticamente
