Page 27 - Revista 2021 - 2022

Revista de la Facultad de Ingeniería, Año 7, Número 1

(a) (b)

Figura 2: Representación matricial de una imagen en blanco y negro y de una imagen
color.
Nota: Fuente: Elaboración propia con base en Saha, (2018)

Filtros

Cada capa del modelo aprende a reconocer algún elemento de la imagen mediante el
uso de filtros. Los filtros son matrices de NxN que aprende el algoritmo y representan
patrones comunes cuyo fin es determinar qué es lo que se identifica en la imagen. El
procedimiento para identificar los patrones consiste en un enfoque top-down, o bien
de los más general a lo más particular, esto significa que los primeros patrones que
se descubren son los bordes/contornos, ángulos y lo que de alguna forma delimita
los objetos que hay en imagen. En las sucesivas capas junto a los siguientes filtros se
detectarán otros patrones, pudiendo ser las orejas o los ojos, y con los patrones
aprendidos podrá ser capaz de clasificar las imágenes. Ahondaremos más sobre los
filtros cuando se trate el tema de capas convolucionales.

Stride

El tercer concepto que debemos introducir es stride(o paso), el stride
determina como es que se mueve el filtro (el cual introduciremos más
adelante) en cada una de las dimensiones de la imagen, si el stride se define
en 2, significa que el filtro se moverá saltando 2 celdas de la matriz de
entrada, tanto para la derecha como para abajo. Este proceso se realizará
tantas veces como sea necesario hasta completar la imagen; por el contrario,
si se define en 3, el salto será de 3 elementos. En la figura que se presenta a
continuación, se ejemplifica un stride de 2.

Figura 3: Ejemplo de barrido del filtro con saltos (stride) de 2 y un padding de 1.
Nota: Fuente: Elaboración propia con base en Saha, (2018)

26