Réseau convolutif

Définition

Un réseau de neurones convolutif ou plus simplement réseau convolutif est une architecture de réseau de neurones profond surtout employée en vision par ordinateur.

Un réseau convolutif permet de détecter la présence de formes en appliquant un calcul local, appelé convolution, à un groupe de pixels. Ce calcul de convolution s’applique à différentes échelles d'une image et permet d’identifier progressivement le contenu d'une image par association et recoupement.

Les réseaux convolutifs ont beaucoup d’applications en vision par ordinateur, pour la reconnaissance d'image et vidéo, mais aussi en reconnaissance sonore, dans les systèmes de recommandation et dans le traitement de la langue naturelle.

Compléments

Le réseau convolutif est un réseau de neurones à propagation avant (feed-forward), sans boucle ou récurrence.

Le réseau convolutif s'inspire du cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel. Leur fonctionnement est inspiré par les processus biologiques, ils consistent en un empilage multicouche de perceptrons, dont le but est de prétraiter de petites quantités d'informations.

Français

réseau convolutif

réseau de neurones convolutif

réseau neuronal convolutif

réseau de neurones à convolution (emploi plus rare)

réseau neuronal convolutionnel (emploi plus rare)

réseau convolutionnel (emploi plus rare)

Anglais

convolutional neural network

convolution neural network

ConvNet

CNN

Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.

Source: Office québécois de la langue française, Le grand dictionnaire terminologique, consulté le 30 mai 2019.

Source: Gouvernement du Canada, TERMIUM Plus, http://www.btb.termiumplus.gc.ca, consulté le 27 mai 2019.

Source: TERMIUM Plus

Source: Grand Dictionnaire Terminologique

Source: Wikipedia IA, Réseau neuronal convolutif

Source: Termino