Didaktische Analogie · Deep Learning

Hierarchische Merkmalsextraktion

Wie ein tiefes neuronales Netz Schicht für Schicht aus Kanten Häuser und aus Häusern Stadtviertel zusammensetzt.

Architektur des Netzwerks — aktive Schicht anklicken
Schicht auswählen
Was diese Schicht "sieht"
Horizontale Kanten Schräge Winkel Vertikale Linien Ecken & Kreuzungen Abstraktion: Pixel & elementare Geometrie Das Netz erkennt hier nur mathematische Kontraste und Linien. Dach-Struktur Fenster / Räume Abstraktion: Zusammengesetzte Formen Aus den Kanten der 1. Schicht entstehen komplexe Bauteile, die funktionalen Bereichen (wie Zimmern/Dächern) ähneln. Einfamilienhaus Moderne Villa Abstraktion: Komplette Objekte Die Kombination spezifischer Bauteile erlaubt es dem Netz, konkrete, komplexe Objekttypen voneinander zu unterscheiden. Abstraktion: Kontext & komplexe Szenen Das Netz begreift das Zusammenspiel („Viertel" mit Straßen & Bäumen).

Schicht 1: Grundbausteine (Kanten & Linien)

Auf der untersten Ebene analysiert das neuronale Netz feine Helligkeitsunterschiede im Bild. Es erkennt isolierte mathematische Strukturen wie horizontale, vertikale oder diagonale Linien. Zu diesem Zeitpunkt "weiß" das Netz absolut nicht, was ein Haus ist – es sieht lediglich die einzelnen, abstrakten Rohmaterialien.