Работу сверточной нейросети для обработки изображений можно разделить на два этапа: 1

1. Подготовка изображения. 1 Сверточная нейронная сеть воспринимает картинку в виде трёхмерных массивов матриц или чисел. 1 Поэтому перед поступлением в модель данные нужно подготовить. 1 Для этого используют системы обработки изображений. 1 Программа автоматически присваивает каждому пикселю определённое значение: 1

• в чёрно-белых картинках — число от 0 до 255 в зависимости от насыщенности; 1
• в цветных изображениях — трёхмерную матрицу чисел в виде значений от 0 до 255 по интенсивности красного, зелёного и синего цветов. 1

1. Применение фильтров к изображению. 1 В процессе обработки фильтр умножает значение выбранного пикселя и значения его соседей в соответствии с матрицей фильтра. 1 Затем полученные произведения складываются. 1 Получившееся число заменяет исходное значение центрального пикселя. 1 Например, если у пикселя значение 2, и после применения фильтра к нему и его соседям результат будет 13, это значение и заменит исходное. 1 При этом значения остальных соседних пикселей не изменяются. 1 Такой же процесс повторяется для каждого пикселя на изображении. 1

После сверточного идёт пулинговый слой, который помогает уменьшить размер карт признаков. 1 Он выбирает только самые важные данные и убирает лишнее. 1 Это также снижает нагрузку на компьютер при дальнейших расчётах. 1

Затем можно снова применить сверточный слой и повторить процесс несколько раз. 1 Так получится постепенно выделить более сложные признаки на изображении и выстроить иерархию. 1 Например, сначала нейросеть найдёт контуры цветка, а потом распознаёт его форму и оттенки лепестков. 1

На последнем слое нейронная сеть выделяет признаки, связывает их с конкретными картинками и пытается определить, что на них изображено. 3