« Couche de sous-échantillonnage » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications |
||
| Ligne 6 : | Ligne 6 : | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
== Définition == | ==Définition== | ||
Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des données. | Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des données. | ||
== Français == | ==Français== | ||
'''couche de sous-échantillonnage''' | '''couche de sous-échantillonnage''' loc. nom. f. | ||
'''couche de pooling''' n.f. | '''couche de pooling''' n.f. | ||
== Anglais == | ==Anglais== | ||
'''pooling layer''' | '''pooling layer''' | ||
| Ligne 25 : | Ligne 25 : | ||
Source: Remi Delassus. ''Apprentissage automatique pour la détection d’anomalies dans les données ouvertes : application à la cartographie.'' Traitement des images [eess.IV]. Université de Bordeaux, 2018. Français. NNT : 2018BORD0230 . tel-02100741 | Source: Remi Delassus. ''Apprentissage automatique pour la détection d’anomalies dans les données ouvertes : application à la cartographie.'' Traitement des images [eess.IV]. Université de Bordeaux, 2018. Français. NNT : 2018BORD0230 . tel-02100741 | ||
[[Utilisateur:Patrickdrouin | Source: Termino | [[Utilisateur:Patrickdrouin | Source: Termino]] | ||
Version du 6 juillet 2019 à 17:15
Définition
Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des données.
Français
couche de sous-échantillonnage loc. nom. f.
couche de pooling n.f.
Anglais
pooling layer
Source: Damien Fourure. Réseaux de neurones convolutifs pour la segmentation sémantique et l’apprentissage d’invariants de couleur. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université de Lyon, 2017. Français. NNT : 2017LYSES056 .
source: Claude Coulombe, Datafranca.org
Source: Remi Delassus. Apprentissage automatique pour la détection d’anomalies dans les données ouvertes : application à la cartographie. Traitement des images [eess.IV]. Université de Bordeaux, 2018. Français. NNT : 2018BORD0230 . tel-02100741
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki
