Feature Maps

Feature map là kết quả đầu ra cơ bản được tạo ra khi một convolutional filter xử lý hình ảnh đầu vào hoặc một layer tiền nhiệm trong neural network. Trong bối cảnh computer vision (CV), các map này đóng vai trò là biểu diễn nội tại của dữ liệu, làm nổi bật các mô hình cụ thể như đường viền, kết cấu, hoặc các hình dạng hình học phức tạp mà model đã học được để nhận diện. Về cơ bản, feature map hoạt động như "đôi mắt" của một Convolutional Neural Network (CNN), chuyển đổi các giá trị pixel thô thành những khái niệm trừu tượng có ý nghĩa để hỗ trợ các tác vụ như object detection và phân loại.

Link to this sectionCơ chế đằng sau Feature Map#

Việc tạo ra một feature map được thúc đẩy bởi phép toán được gọi là convolution. Trong quá trình này, một ma trận nhỏ gồm các tham số có thể học được, được gọi là kernel hoặc filter, sẽ trượt qua dữ liệu đầu vào. Tại mỗi vị trí, kernel thực hiện phép nhân từng phần tử và tính tổng, dẫn đến một giá trị duy nhất trong lưới đầu ra.

• Kích hoạt mô hình (Pattern Activation): Mỗi filter được huấn luyện để tìm kiếm một đặc trưng cụ thể. Khi filter gặp đặc trưng đó trong đầu vào, giá trị kết quả trong feature map sẽ cao, cho thấy sự kích hoạt mạnh mẽ.
• Cấu trúc phân cấp không gian (Spatial Hierarchy): Trong các kiến trúc deep learning (DL), các feature map được sắp xếp theo phân cấp. Các layer đầu tạo ra các map phát hiện các chi tiết cấp thấp như các đường edge detection và đường cong. Các layer sâu hơn kết hợp các map đơn giản này để tạo thành các biểu diễn cấp cao của các đối tượng phức tạp, chẳng hạn như khuôn mặt hoặc phương tiện.
• Thay đổi chiều (Dimensionality Changes): Khi dữ liệu đi qua mạng, các thao tác như pooling layers thường làm giảm kích thước không gian (chiều cao và chiều rộng) của feature map trong khi tăng độ sâu (số lượng kênh). Quá trình này, thường được gọi là dimensionality reduction, giúp model tập trung vào sự hiện diện của các đặc trưng thay vì vị trí pixel chính xác của chúng.

Link to this sectionCác ứng dụng trong thực tế#

Feature map là bộ máy cốt lõi cho các ứng dụng AI hiện đại, cho phép hệ thống diễn giải dữ liệu thị giác với sự hiểu biết giống như con người.

• Chẩn đoán y tế: Trong medical image analysis, các model sử dụng feature map để xử lý ảnh X-quang hoặc kết quả MRI. Các map ban đầu có thể làm nổi bật đường viền xương, trong khi các map sâu hơn xác định các bất thường như khối u hoặc vết nứt, hỗ trợ bác sĩ trong các kịch bản AI in healthcare.
• Điều hướng tự hành: Xe tự lái phụ thuộc rất nhiều vào các feature map được tạo bởi các cảm biến thị giác. Các map này cho phép máy tính trên xe phân biệt giữa làn đường, người đi bộ và biển báo giao thông trong thời gian thực, điều này rất quan trọng để autonomous vehicles vận hành an toàn.

Link to this sectionLàm việc với Feature Map trong Python#

Mặc dù feature map là các cấu trúc nội tại, việc hiểu kích thước của chúng là rất quan trọng khi thiết kế các kiến trúc. Ví dụ về PyTorch dưới đây minh họa cách một convolutional layer đơn lẻ chuyển đổi hình ảnh đầu vào thành một feature map.

import torch
import torch.nn as nn

# Define a convolution layer: 1 input channel, 1 output filter, 3x3 kernel
conv_layer = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, bias=False)

# Create a random dummy image (Batch Size=1, Channels=1, Height=5, Width=5)
input_image = torch.randn(1, 1, 5, 5)

# Pass the image through the layer to generate the feature map
feature_map = conv_layer(input_image)

print(f"Input shape: {input_image.shape}")
# The output shape will be smaller (3x3) due to the kernel size and no padding
print(f"Feature Map shape: {feature_map.shape}")

Link to this sectionPhân biệt các khái niệm liên quan#

Việc phân biệt feature map với các thuật ngữ tương tự là hữu ích để tránh nhầm lẫn trong quá trình model training:

• Feature Map so với Filter: Filter (hoặc kernel) là công cụ được sử dụng để quét hình ảnh; nó chứa các model weights. Feature map là kết quả của quá trình quét đó. Bạn có thể coi filter như một chiếc "ống kính" và feature map là "hình ảnh" được ghi lại qua ống kính đó.
• Feature Map so với Embedding: Mặc dù cả hai đều biểu diễn dữ liệu, feature map thường giữ lại các cấu trúc không gian (chiều cao và chiều rộng) phù hợp cho semantic segmentation. Ngược lại, embeddings thường là các vector 1D đã được làm phẳng, nắm bắt ý nghĩa ngữ nghĩa nhưng loại bỏ bố cục không gian, thường được sử dụng trong các tác vụ similarity search.
• Feature Map so với Activation: Một activation function (như ReLU) được áp dụng vào các giá trị trong feature map để tạo ra tính phi tuyến tính. Map tồn tại cả trước và sau thao tác toán học này.

Link to this sectionSự liên quan đến các model Ultralytics#

Trong các kiến trúc tiên tiến như YOLO26, feature map đóng vai trò then chốt trong "backbone" và "head" của model. Backbone trích xuất các đặc trưng ở các quy mô khác nhau (feature pyramid), đảm bảo model có thể phát hiện hiệu quả cả đối tượng nhỏ và lớn. Người dùng tận dụng Ultralytics Platform để huấn luyện có thể trực quan hóa cách các model này thực hiện, gián tiếp quan sát hiệu quả của các feature map cơ bản thông qua các chỉ số như accuracy và recall. Việc tối ưu hóa các map này bao gồm quá trình huấn luyện mở rộng trên các tập dữ liệu đã được chú thích, thường sử dụng các kỹ thuật như feature extraction để chuyển giao kiến thức từ các model đã được huấn luyện trước sang các tác vụ mới.