Lección 5 del módulo “Redes Convolucionales” del curso Fundamentos de Deep Learning con Python.
En la lección anterior hablamos de la convolución, la operación que permite comparar el kernel con la imagen que se está procesado y que a su vez da el nombre a las Redes Convolucionales.
Como vimos, la convolución genera imágenes de salida más pequeñas que la original. En esta lección hablaremos del padding, que evita reducciones drásticas en esta imagen resultante, y que se trata de una operación muy usada al momento de implementar Redes Neuronales.
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Bien, acabamos de ver cómo el proceso de rellenado de la imagen llevado a cabo por el padding permite incrementar el ancho y el alto del mapa de características resultante tras la convolución.
En la próxima lección hablaremos de otra operación igualmente muy usada en la implementación de las Redes Convolucionales: los strides.
Todas las lecciones del curso Fundamentos de Deep Learning con Python.