← পাঠ্যসূচি
100%
অধ্যায় 18.2
ফিল্টার ও কনভোলিউশন
Filters & Convolution
Blur, sharpen, edge — সব কনভোলিউশন
≈ ১০ মিনিট
Instagram-এর প্রতিটি filter, ফোনের camera-র edge detection, CNN-এর প্রথম layer — সব একই অপারেশন: একটি ছোট ম্যাট্রিক্স (kernel) ছবির উপর স্লাইড করো।
Kernel কী
একটি ছোট ম্যাট্রিক্স (সাধারণত 3×3 বা 5×5), যাকে ছবির প্রতিটি অবস্থানে রেখে weighted sum নেওয়া হয়।
ক্লাসিক kernel
Box blur (3×3):
Sharpen:
Sobel X (উল্লম্ব edge):
Edge detection
- Sobel X, Sobel Y → আনুভূমিক ও উল্লম্ব gradient।
- Magnitude: √(Gx² + Gy²)।
- Direction: atan2(Gy, Gx)।
- Canny edge detector: Sobel + non-max suppression + hysteresis।
Gaussian blur
Separable: 2D Gaussian = 1D Gaussian × 1D Gaussian → অনেক faster।
CNN-এর সাথে সংযোগ
- প্রথম conv layer প্রায়ই Sobel-এর মত edge detector শিখে।
- পরের layer corner, texture — তারপর object part।
- মানে CNN নিজে নিজে ক্লাসিক CV filter আবিষ্কার করে।
মূল ভাবনা
- 1.Filter = ছোট kernel, slide করে convolve।
- 2.Blur, sharpen, edge — সব kernel-এর বিষয়।
- 3.Sobel → gradient → edge।
- 4.CNN নিজেই filter শেখে।
নিজেকে যাচাই করো
প্রশ্নে ক্লিক করে উত্তর দেখো — তবে আগে নিজে চেষ্টা করো।
প্রশ্ন 1।Sobel কী মাপে?
উত্তর:Image gradient — edge-এর অবস্থান ও দিক।
প্রশ্ন 2।Gaussian blur separable কেন গুরুত্বপূর্ণ?
উত্তর:O(k²) থেকে O(2k) — অনেক faster।
প্রশ্ন 3।CNN-এর প্রথম layer প্রায়ই কী শিখে?
উত্তর:Edge ও colour blob detector।
ইন্টারেক্টিভ কুইজ
মূল ভাবনার উপর দ্রুত যাচাই — সঠিক বিকল্পটি বাছাই করো।
প্রশ্ন 1।“ফিল্টার ও কনভোলিউশন” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 2।“ফিল্টার ও কনভোলিউশন” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 3।“ফিল্টার ও কনভোলিউশন” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
প্রশ্ন 4।“ফিল্টার ও কনভোলিউশন” অধ্যায়ের মূল ভাবনাগুলোর মধ্যে নিচের কোনটি অন্তর্ভুক্ত?
উত্তর দেওয়া হয়েছে: 0/4