نقشه ویژگی (feature map) خروجی یک لایه در شبکه عصبی پیچشی (CNN) است.
هر لایه در CNN محاسباتی را روی ورودی انجام می‌دهد و حجمی از فعال‌سازی‌ها را به عنوان خروجی تولید می‌کند که به آن نقشه ویژگی گفته می‌شود.
خصوصیات کلیدی نقشه ویژگی‌ها:
- اطلاعات مکانی ویژگی‌های استخراج‌شده توسط لایه را حفظ می‌کنند و روابط مکانی ورودی را حفظ می‌کنند.
- نقشه‌های ویژگی اولیه، ویژگی‌های سطح پایین مثل لبه‌ها، رنگ‌ها و بافت‌ها را ثبت می‌کنند. لایه‌های بعدی مفاهیم سطح بالاتر را ثبت می‌کنند.
- تعداد و اندازه نقشه‌های ویژگی بستگی به پارامترهای لایه مثل قدم، پدینگ و اندازه فیلتر دارد.
- لایه‌های متوالی با تبدیل نقشه‌های ویژگی به یکدیگر متصل می‌شوند - پیچش، نمونه‌برداری و غیره.
- نقشه ویژگی آخرین لایه پیچشی، برای طبقه‌بندی به لایه‌های کاملاً متصل تبدیل می‌شود.
- تجسم نقشه‌های ویژگی به درک الگوهای آموخته‌شده توسط CNN کمک می‌کند.
بنابراین، نقشه‌های ویژگی نمایش‌های میانی حاوی اطلاعات مکانی ویژگی‌های استخراج‌شده توسط هر لایه CNN هستند. تجزیه و تحلیل نقشه‌های ویژگی به درک نمایش‌های داخلی یادگرفته‌شده توسط شبکه کمک می‌کند.