DE 
EnglishDefault
Українська
Polski🧠 Convolutional Neural Network
Visualisieren Sie, wie ein Convolutional Neural Network Bilder Schicht für Schicht verarbeitet. Sehen Sie Faltungsfilter über ein Bild gleiten, ReLU-Aktivierungen und Max-Pooling in Echtzeit.
Über diese Simulation
Visualisieren Sie, wie ein Convolutional Neural Network Bilder Schicht für Schicht verarbeitet. Sehen Sie Faltungsfilter über ein Bild gleiten, ReLU-Aktivierungen und Max-Pooling in Echtzeit.
🔬 Was gezeigt wird
Die grundlegenden Bausteine eines CNN: ein 3×3-Faltungskernel gleitet über ein 8×8-Eingangsbild, gefolgt von ReLU-Aktivierung und Max-Pooling, das die räumliche Auflösung reduziert und dabei die stärksten Aktivierungen behält.
🎮 Bedienung
Wählen Sie ein Bild und einen Filtertyp (Kante horizontal/vertikal, Schärfen, Weichzeichnen). Wechseln Sie zwischen den Schicht-Tabs und pausieren oder setzen Sie die Animation fort, um jede Verarbeitungsstufe zu beobachten.
💡 Wussten Sie schon?
Ein einziger 3×3-Kernel mit neun Gewichten reicht in dieser Demo aus, um Kanten, Schärfung oder Unschärfe zu erzeugen — in einem echten trainierten CNN werden diese Gewichte automatisch per Backpropagation gelernt.
Häufig gestellte Fragen
Warum wird die ReLU-Aktivierung benötigt?
ReLU wendet f(x)=max(0,x) an und setzt jeden negativen Wert auf null. Dies führt Nichtlinearität ein, wodurch das Netz komplexe, gekrümmte Entscheidungsgrenzen darstellen kann, statt nur lineare Kombinationen von Pixeln. Ohne nichtlineare Aktivierung würde das Stapeln vieler Schichten zu einer einzigen linearen Transformation zusammenfallen.
Was bewirkt Max-Pooling?
Die 2×2-Max-Pooling-Schicht nimmt den größten Wert in jedem nicht überlappenden 2×2-Fenster und halbiert dabei Breite und Höhe. Dies behält die stärksten Aktivierungen, reduziert den Rechenaufwand und verleiht dem Netz eine gewisse Translationsinvarianz, sodass ein Merkmal auch bei Verschiebung um ein oder zwei Pixel erkannt wird.
Sind die Filter in dieser Demo gelernt oder fest?
Sie sind fest vorgegebene, von Hand gewählte Kernel, die die Mathematik sichtbar machen sollen. In einem trainierten CNN werden die Kernel-Gewichte automatisch durch Backpropagation und Gradientenabstieg gelernt, sodass das Netz die Filter entdeckt, die seinen Verlust auf den Trainingsdaten am besten minimieren.
Warum wird die Feature-Map nach dem Pooling kleiner?
Pooling kombiniert vier benachbarte Werte zu einem, sodass aus einer 8×8-Map eine 4×4-Map wird. Das Verkleinern der räumlichen Dimensionen bei gleichzeitig steigender Anzahl von Feature-Kanälen ist das zentrale CNN-Muster: tiefere Schichten sehen ein kleineres, gröberes Raster, repräsentieren aber reichere, höherstufige Konzepte wie Ecken und Kurven.
Was bedeuten die Statistiken wie Scan X und Scan Y?
Scan X und Scan Y zeigen die aktuelle Spalte und Zeile des Kernels, während er während der Conv1-Animation über die Eingabe wandert. Kernel-Gewichte sind 9, die neun Zahlen des einzelnen 3×3-Kernels, den diese Demo verwendet, und Feature-Maps ist 1, weil ein Kernel genau eine Map pro Schicht erzeugt.
Ist dies eine akkurate Darstellung eines echten CNN?
Die Operationen sind originalgetreu: echte Faltung, ReLU, Max-Pooling und eine zweite Faltung in der korrekten Reihenfolge. Es ist zur Klarheit vereinfacht, mit einem einzigen kleinen Bild, fest vorgegebenen Kernen, normalisierten Anzeigewerten und ohne echtes Training — es lehrt also die Mechanik, nicht den Maßstab eines Produktionsnetzes.
Wo werden CNNs in der realen Welt eingesetzt?
CNNs bilden die Grundlage der meisten modernen Computer-Vision-Systeme. Sie klassifizieren Objekte in Fotos, lesen handgeschriebene Ziffern, erkennen Tumore in medizinischen Scans, erkennen Gesichter, betreiben Augmented-Reality-Filter und speisen die Wahrnehmungssysteme autonomer Fahrzeuge.
Was ist ein Convolutional Neural Network?
Ein Convolutional Neural Network, kurz CNN, ist ein Deep-Learning-Modell für gitterartige Daten wie Bilder. Statt jedes Pixel mit jedem Neuron zu verbinden, schiebt es kleine lernbare Filter über die Eingabe, um lokale Muster wie Kanten und Texturen zu erkennen, und stapelt diese zu tieferen, abstrakteren Merkmalen.
Wie funktioniert der Faltungsschritt in dieser Simulation?
Ein 3×3-Kernel wird über jedes Pixel des 8×8-Eingangsbilds positioniert. Die neun Kernel-Gewichte werden mit den neun darunterliegenden Pixeln multipliziert und die Produkte zu einem einzigen Ausgabewert summiert. Die Wiederholung über das gesamte Bild erzeugt eine Feature-Map roher gewichteter Summen, die negativ sein können, wo ein Kantenkernel einen umgekehrten Übergang sieht.
Was bewirken die vier Filter-Schaltflächen genau?
Jede Schaltfläche lädt einen anderen 3×3-Kernel. Kante H erkennt horizontale Helligkeitsübergänge, Kante V erkennt vertikale, Schärfen verstärkt feine Details, indem der lokale Durchschnitt vom Mittelpixel abgezogen wird, und Weichzeichnen ist ein Box-Filter, der benachbarte Pixel mittelt.