Summary  
Convolution layers implement a sliding-window operation where trainable filters perform element-wise multiplications and summations over local regions to extract hierarchical features, with hyperparameters like stride, padding, and filter count controlling output resolution and depth.

General domain of usage  
Computer vision

## Comprensión de las capas de convolución

Las **capas de convolución** son el núcleo de las **redes neuronales convolucionales (CNNs)**. Aplican la **convolución**, donde una pequeña matriz llamada **filtro (o kernel)** se desliza sobre una imagen para detectar **bordes, texturas y formas**. Esto permite que las CNNs procesen imágenes de manera más eficiente que las redes tradicionales.

En lugar de analizar toda la imagen de una vez, las CNNs la dividen en secciones más pequeñas, detectando características en diferentes niveles. Las **capas iniciales** reconocen patrones simples como **bordes**, mientras que las **capas más profundas** detectan estructuras complejas.

## Funcionamiento de la convolución

La convolución implica que un **filtro (kernel)** se desplace por una imagen, siguiendo estos pasos:

1. **Aplicar el kernel** en la esquina superior izquierda de la imagen.
2. **Realizar la multiplicación elemento a elemento** entre el kernel y los valores de los píxeles.
3. **Sumar los productos** para generar un píxel de salida.
4. **Mover el kernel** según el **stride** y repetir.
5. **Generar un mapa de características** que resalta los patrones detectados.

Varios filtros permiten que las CNNs capturen diferentes características, como bordes verticales, curvas y texturas.

### Filtros (Kernels):

Los filtros desempeñan un papel fundamental en la extracción de patrones significativos de las imágenes. Diferentes tipos de filtros se especializan en identificar diversas características:

- **Filtros de detección de bordes**: identifican los límites de los objetos al detectar cambios abruptos de intensidad (por ejemplo, filtros Sobel, Prewitt y Laplaciano);

- **Filtros de textura**: capturan patrones repetitivos como ondas o rejillas (por ejemplo, filtros Gabor);

- **Filtros de realce**: mejoran los detalles de la imagen al amplificar los componentes de alta frecuencia;

- **Filtros de desenfoque**: reducen el ruido y suavizan las imágenes (por ejemplo, filtro de desenfoque gaussiano);

- **Filtros de relieve**: resaltan los bordes y añaden un efecto 3D al enfatizar la profundidad.



Cada filtro se entrena para detectar patrones específicos y contribuye a construir representaciones jerárquicas de características en redes neuronales convolucionales profundas.

Las capas de convolución reutilizan el **mismo filtro en toda la imagen**, lo que reduce la cantidad de parámetros y hace que las CNN sean eficientes. Sin embargo, las capas localmente conectadas especializadas utilizan **filtros diferentes** para distintas regiones cuando es necesario.

Al apilar capas de convolución, las CNN extraen patrones detallados, lo que las hace potentes para clasificación de imágenes, detección de objetos y tareas de visión.



### Hiperparámetros:
- **Stride**: controla la distancia que avanza el filtro en cada paso;
- **Padding**: añade píxeles para controlar el tamaño de salida (el padding same preserva el tamaño, el padding valid lo reduce);
- **Número de filtros (profundidad)**: más filtros mejoran la detección de características pero incrementan el cómputo.

<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <link rel="stylesheet" href="https://staging-content-media-cdn.codefinity.com/courses/c1087363-9025-4c37-8d5e-983a32a007e9/other-section/cnn-hyperparameters/styles-v2.css">
  </head>
  <body>
    <div class="wrapper">
      <div class="top-right">
        <button id="toggleAnimation">⏸️</button>
      </div>
      <div class="controls">
        <div class="control-group">
          <div class="top-row">
            <label for="inputSize">Tamaño de entrada:</label>
            <input type="number" id="inputSizeNum" value="5">
          </div>
          <input type="range" id="inputSize" value="5">
        </div>

        <div class="control-group">
          <div class="top-row">
            <label for="padding">Relleno:</label>
            <input type="number" id="paddingNum" value="0">
          </div>
          <input type="range" id="padding" value="0">
        </div>

        <div class="control-group">
          <div class="top-row">
            <label for="kernelSize">Tamaño del kernel:</label>
            <input type="number" id="kernelSizeNum" value="2">
          </div>
          <input type="range" id="kernelSize" value="2">
        </div>

        <div class="control-group">
          <div class="top-row">
            <label for="stride">Paso:</label>
            <input type="number" id="strideNum" value="1">
          </div>
          <input type="range" id="stride" value="1">
        </div>
      </div>

      <div class="container">
        <div class="grid-container">
          <div class="grid-title js-input-grid-size">Cuadrícula de entrada</div>
          <div class="grid input-grid"></div>
        </div>

        <div class="grid-container">
          <div class="grid-title js-output-grid-size">Cuadrícula de salida</div>
          <div class="grid output-grid"></div>
        </div>
      </div>
      <p class="text">
        <span style="font-weight: 600">Pasa el cursor sobre</span> las matrices para cambiar
        la posición del kernel.
      </p>
    </div>

    <script src="https://staging-content-media-cdn.codefinity.com/courses/c1087363-9025-4c37-8d5e-983a32a007e9/other-section/cnn-hyperparameters/script-v1.js"></script>
  </body>
</html>

## Antes del próximo capítulo, es necesario recordar:
 Aunque las **capas convolucionales** pueden **disminuir el tamaño de salida**, su propósito principal es la **extracción de características, no la reducción de dimensionalidad**. Las **capas de pooling**, por otro lado, **reducen explícitamente la dimensionalidad** mientras retienen información importante, asegurando eficiencia en capas más profundas.

¿Cuál es la función principal de una capa convolucional en una CNN?

¿Qué hiperparámetro determina cuánto se desplaza un filtro durante la convolución?

¿Cuál es el propósito de aplicar múltiples filtros en una capa de convolución?

Introducción integral a la visión por computadora, enfocada en la percepción e interpretación automática de datos visuales. Cubre preprocesamiento de imágenes, extracción de características, detección de objetos y técnicas de aprendizaje profundo utilizadas en sistemas de visión modernos.

La visión por computadora permite a las máquinas interpretar y analizar datos visuales, imitando la percepción humana. Esta sección abarca los conceptos básicos de la representación de imágenes, modelos de color y fundamentos matemáticos esenciales para comprender cómo los ordenadores procesan imágenes. Se explorarán aplicaciones en el mundo real, desde vehículos autónomos hasta imágenes médicas, y se analizará cómo la visión por computadora se integra con la IA y el aprendizaje automático.

OpenCV es una biblioteca potente para la manipulación de imágenes y tareas de visión por computadora. Esta sección abarca técnicas esenciales como el filtrado de imágenes, transformaciones, detección de bordes y segmentación. Aprenderá a realizar desenfoque, umbralización, detección de contornos y extracción de características para mejorar y analizar imágenes de manera eficiente.

Las CNN procesan datos visuales utilizando capas de convolución, agrupamiento y activación para extraer características en tareas como clasificación de imágenes y detección de objetos. Los componentes clave incluyen el padding, la convolución para la extracción de características, el agrupamiento para la reducción de complejidad y la activación para la no linealidad. Arquitecturas populares como AlexNet, VGG y ResNet impulsan la IA en salud, autonomía y seguridad.

La detección de objetos es una tarea fundamental en la visión por computadora que consiste en identificar y localizar objetos dentro de una imagen. A diferencia de la clasificación de imágenes, que asigna una sola etiqueta a toda la imagen, la detección de objetos no solo clasifica los objetos, sino que también determina sus posiciones utilizando cajas delimitadoras. Esta sección abarca técnicas y algoritmos clave utilizados en la detección de objetos, desde métodos tradicionales hasta enfoques basados en aprendizaje profundo como YOLO y U-Net.

La visión por computadora ha avanzado significativamente a lo largo de los años, pasando de métodos básicos de procesamiento de imágenes a técnicas complejas de aprendizaje profundo. Esta sección aborda las innovaciones más recientes en visión por computadora, con énfasis en el aprendizaje por transferencia, el reconocimiento facial y la generación de imágenes. Se explorarán los beneficios de los modelos preentrenados en el rendimiento, los principios de la tecnología de reconocimiento facial y la manera en que la IA crea imágenes mediante aprendizaje profundo.

Fundamentos de Visión por Computadora

Capas de Convolución

Fundamentos de Visión por Computadora

Capas de Convolución