Réseau neuronal convolutif

term_id: convolutional_neural_network

Category: basic_concepts

Definition

Les réseaux neuronaux convolutifs (RNC) sont conçus pour apprendre automatiquement et de manière adaptative les hiérarchies spatiales de caractéristiques à partir d’entrées visuelles. Ils utilisent des couches de convolution qui appliquent des filtres pour détecter des motifs locaux tels que les bords, les textures et les formes.

Summary

Une classe spécialisée de réseaux neuronaux profonds principalement utilisée pour traiter des données en grille, comme les images, en appliquant des filtres de convolution.

Key Concepts

  • Couches de convolution
  • Poolsing (Réduction de dimension)
  • Cartes de caractéristiques
  • Hiérarchie spatiale

Use Cases

  • Classification d’images
  • Détection d’objets dans des flux vidéo
  • Diagnostic d’images médicales

Code Example

1
2
3
4
5
6
7

import tensorflow as tf
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10)
])

Related