3. FLATTENING
Ini adalah tahapan yang sangat sederhana. Jika sebelumnya kita sudah melakukan proses convolution, dilanjutkan dengan pooling, maka kali ini kita lakukan proses flattening.
Tahapan flattening adalah merubah dari matriks yang ada di pooling layer menjadi satu kolom saja (sebuah vektor tunggal). Nantinya vektor ini akan menjadi bagian dari input layer di artificial neural networks (ANN). Ilustrasinya sebagai berikut:
Dari pooled feature map (di sebelah kiri) dari proses sebelumnya, kita cukup mengambil baris demi baris dan menggabungkannya menjadi 1 kolom. Baris pertama (1, 2, 1) digabung dengan baris kedua (4, 2, 1) kemudian baris ketiga (0, 2, 1).
Setelah kita lakukan flattening (bahasa indonesia= pemipihan/perataan), kita masukkan hasilnya ke dalam input layer sebuah ANN. Tampilannya sebagai berikut:
Semua pooling layer akan menjadi 1 vektor saja. Jadi jika sebuah pooling layer berukuran 3×3 matriks, maka ia akan menjadi 1 vektor dengan 9 baris. Jika ada 10 pooling layer dengan ukuran yang sama (3×3), maka akan ada 1 vektor dengan 90 baris sebagai input untuk ANN.
Untuk melanjutkan membaca, silakan klik tombol ke halaman selanjutnya di bawah ini.
Assalamu’alaikum pak saya ingin bertanya, pada pembahasan di halaman ini kan feature detector / filter berukuran 3 x 3 dan nilainya 0,1,0,1 karena hanya sebagai contoh agar lebih mempermudah, bagaimana pak cara menentukan ataupun mengetahui nilai2 piksel dari suatu feature detektor (misal 3×3 atau 5×5) jika gambar kita grayscale maupun RGB?
[…] International, Deep Learning: Convolutional Neural Networks (https://www.megabagus.id/deep-learning-convolutional-neural-networks) diakses pada 21 September […]