پستا⁨ ⁨ کرنل ۳×۳ (3×3 Kernel) یکی از پرکاربردترین فیلترها در پردازش تصویر و شبکه‌های عصبی کانولوشنی (CNN) است. این کرنل یک …

ا⁨ ⁨ کرنل ۳×۳ (3×3 Kernel) یکی از پرکاربردترین فیلترها در پردازش تصویر و شبکه‌های عصبی کانولوشنی (CNN) است. این کرنل یک ماتریس ۳ سطر و ۳ ستون دارد که روی تصویر حرکت می‌کند و در هر موقعیت، با انجام عملیات کانولوشن (Convolution)، ویژگی‌های مهم تصویر را استخراج می‌کند. در این فرآیند، هر مقدار کرنل در پیکسل متناظر تصویر ضرب می‌شود و مجموع این حاصل‌ضرب‌ها، مقدار پیکسل جدید را در تصویر خروجی تشکیل می‌دهد. با تغییر ضرایب کرنل، می‌توان عملیات مختلفی مانند تشخیص لبه (Edge Detection)، افزایش وضوح (Sharpening)، محو کردن تصویر (Blurring)، حذف نویز (Denoising) و استخراج بافت را انجام داد. دلیل محبوبیت کرنل ۳×۳ این است که با تنها ۹ پارامتر، تعادل بسیار خوبی بین دقت، سرعت و هزینه محاسباتی ایجاد می‌کند. همچنین در معماری‌های مدرن شبکه‌های عصبی، استفاده از چندین کرنل ۳×۳ پشت سر هم، میدان دید (Receptive Field) بزرگ‌تری ایجاد می‌کند و در عین حال نسبت به کرنل‌های بزرگ‌تر، تعداد پارامترها و پیچیدگی محاسبات را کاهش می‌دهد. به همین دلیل، معماری‌هایی مانند VGGNet از این نوع کرنل به‌طور گسترده استفاده کرده اند