Oorspronkelijke afbeelding (links) en afbeelding na toepassing van vervagingsfilter van grootte 7×7 (rechts)Net zoals de waarden van de Kernel kunnen worden gevarieerd voor verschillende niveaus van effecten, kan ook de grootte van de Kernel worden gewijzigd om het effect van de convolutie vorm te geven.Door de grootte van de Kernel Matrix te vergroten, wordt de ruimtelijke lokaliteit die de resulterende waarde van elke pixel beïnvloedt vergroot, aangezien pixels van verder weg in de vergelijking worden betrokken. Er zijn veel meer Kernels die worden gebruikt bij beeldverwerking, zoals randdetectie, reliëf, rotatie, enz.
6. Convolutie is het sleutelbegrip in Convolutionele Neurale Netwerken. Convolutionele Neurale Netwerken (CNN) zijn een type diep neuraal netwerk. Een CNN bestaat uit een convolutielaag, een poollaag en een volledig aangesloten laag. In de Convolutie laag past een CNN convolutie toe op zijn ingangen met behulp van een Kernel Matrix die het kalibreert door middel van training. Daarom zijn CNN’s zeer goed in feature matching in afbeeldingen en objectclassificatie. De parameters van de convolutielaag bestaan uit een reeks leerbare kernels. Elke kernel is een kleine matrix die zich uitstrekt over de volledige diepte van het ingangsvolume. Tijdens de voorwaartse doorgang convolueren we elke kernel over de breedte en hoogte van het invoerbeeld en berekenen we puntproducten tussen de pixelwaarden van de bron en de kernel op overeenkomstige posities.