Démystifier les Réseaux de Neurones Convolutionnels (RNC) dans l'Apprentissage Profond

Réfléchir à mon expérience de travail avec des modèles d'apprentissage profond a été enrichissant. De la lecture de pixels bruts à la propulsion de voitures autonomes, les réseaux neuronaux convolutifs (CNN) restent la pierre angulaire de la perception visuelle moderne. Cet article explique comment ils fonctionnent, pourquoi ils sont importants et où ils se dirigent. Pourquoi la convolution ? La convolution, en bref, est une méthode pour « mélanger » deux fonctions (ou deux tableaux de nombres) de manière à ce que l'une agisse comme un filtre sur l'autre. Elle mesure à quel point les deux se chevauchent lorsqu'une glisse (se décale) sur l'autre. En raison de ce comportement de glissement et de multiplication, la convolution extrait des motifs locaux et produit un nouveau signal ou une nouvelle image dans lesquels ces motifs sont accentués ou supprimés.