« Module Inception » : différence entre les versions


m (Remplacement de texte — « DeepAI.org ] » par « DeepAI.org ] Catégorie:DeepAI.org  »)
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
== Définition ==
XXXXXXXXX
Dans un [[réseau de neurones convolutifs]], un module Inception permet de tester plusieurs configurations de [[convolution]] avec des filtres de tailles multiples (1×1, 3×3 ou 5×5) sur le même niveau à travers des convolutions en parallèle, et ce, de façon à améliorer les performances des réseaux de neurones profonds à la fois en matière de rapidité et de précision.


== Français ==
== Français ==
''' XXXXXXXXX '''
'''module Inception'''


== Anglais ==
== Anglais ==
''' Inception Module '''
'''Inception module'''
 
Inception Modules are used in Convolutional Neural Networks to allow for more efficient computation and deeper Networks through a dimensionality reduction with stacked 1×1 convolutions. The modules were designed to solve the problem of computational expense, as well as overfitting, among other issues. The solution, in short, is to take multiple kernel filter sizes within the CNN, and rather than stacking them sequentially, ordering them to operate on the same level.




Ligne 17 : Ligne 13 :


[https://deepai.org/machine-learning-glossary-and-terms/inception-module  Source : DeepAI.org ]
[https://deepai.org/machine-learning-glossary-and-terms/inception-module  Source : DeepAI.org ]
[https://tel.archives-ouvertes.fr/tel-03022934/document  Source : Khouloud Dahmane. ''Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées''. Vision par ordinateur et reconnaissance de formes. Université Clermont Auvergne, 2020. Français. ffNNT : 2020CLFAC020. tel-03022934f]


[[Catégorie:DeepAI.org]]
[[Catégorie:DeepAI.org]]
 
[[Catégorie:Publication]]
 
[[Catégorie:vocabulary]]

Version du 16 novembre 2021 à 15:52

Définition

Dans un réseau de neurones convolutifs, un module Inception permet de tester plusieurs configurations de convolution avec des filtres de tailles multiples (1×1, 3×3 ou 5×5) sur le même niveau à travers des convolutions en parallèle, et ce, de façon à améliorer les performances des réseaux de neurones profonds à la fois en matière de rapidité et de précision.

Français

module Inception

Anglais

Inception module



Source : DeepAI.org

Source : Khouloud Dahmane. Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées. Vision par ordinateur et reconnaissance de formes. Université Clermont Auvergne, 2020. Français. ffNNT : 2020CLFAC020. tel-03022934f