Feature map

Карта признаков (feature map) — это результат обработки данных нейросетью, где каждый канал соответствует определённому паттерну: краю, цветовому переходу или текстуре. Проще говоря, это «снимок» того, какие признаки сеть нашла во входном изображении или сигнале. Важность термина в том, что карты признаков — основа работы свёрточных нейросетей. Именно они позволяют сети идти от пикселей к смыслу, выделяя сначала простые детали, а затем собирая из них сложные образы. Без них модель была бы «слепой» — она не имела бы способа понять, что на картинке есть границы объектов или повторяющиеся элементы.

На интуитивном уровне представьте, что вы смотрите на фотографию сквозь несколько цветных плёнок. Одна плёнка усиливает вертикальные линии, другая — круглые пятна, третья — резкие перепады яркости. Каждая такая плёнка и есть карта признаков: она показывает, где и насколько сильно проявился искомый признак. Числа в карте — это «уверенность» сети в том, что в данной точке изображения есть нужный узор. Чем выше значение, тем ярче отклик. На следующем слое эти карты комбинируются, порождая новые, более абстрактные паттерны — например, угол глаза или изгиб крыла.

В прикладной задаче распознавания лиц первая карта признаков может выделять контуры бровей и губ. Затем следующая карта объединяет их в отдельные части лица, а последняя — собирает всё в целостный образ «человек с улыбкой». Именно по таким картам система понимает, что перед ней не просто набор пикселей, а знакомый объект.

Итог: карты признаков — это промежуточный «язык» нейросети. Они дают нам возможность заглянуть в её «мысли» и объяснить, почему модель приняла то или иное решение. Это ключ к интерпретируемости искусственного интеллекта и его улучшению.