Convolution

Imagina una plantilla de 3×3 que detecta líneas verticales. La deslizas por toda la imagen y en cada posición anotas qué tan bien coincide. El resultado es un nuevo mapa que resalta dónde hay líneas verticales. Una CNN aprende cientos de plantillas así por sí sola.

Para cada posición se calcula la suma de productos elemento a elemento entre el filtro (kernel) y la región de la entrada: técnicamente, en deep learning suele ser una correlación cruzada. Hiperparámetros: tamaño del kernel, stride (paso), padding y número de canales de salida. Cada canal de salida es un «mapa de características».

Es la operación básica que permitió a las máquinas «ver» de forma eficiente.