Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Couches de Convolution
Opérations mathématiques appliquant des filtres pour extraire des caractéristiques locales des images.
Couches de Pooling
Opérations de réduction dimensionnelle pour diminuer la taille des cartes de caractéristiques.
Architectures CNN Classiques
Modèles fondamentaux comme LeNet, AlexNet et VGG qui ont établi les bases des CNN modernes.
CNN Profonds et Résiduels
Architectures avancées comme ResNet et DenseNet permettant l'entraînement de réseaux très profonds.
CNN pour Segmentation Sémantique
Applications spécialisées comme U-Net pour la classification pixel par pixel des images.
CNN pour Détection d'Objets
Systèmes comme YOLO et R-CNN pour localiser et classifier multiples objets dans une image.
CNN 3D et Spatio-temporels
Réseaux traitant les données volumétriques ou vidéos avec des convolutions tridimensionnelles.
Transfer Learning avec CNN
Techniques de réutilisation de modèles pré-entraînés pour accélérer l'apprentissage sur de nouvelles tâches.
CNN pour Génération d'Images
Applications dans les GANs et VAEs pour créer de nouvelles images synthétiques réalistes.
Optimisation et Régularisation CNN
Techniques comme dropout, batch normalization et data augmentation pour améliorer les performances.
CNN pour Vision par Ordinateur
Applications intégrées pour reconnaissance de scènes, estimation de profondeur et suivi d'objets.
CNN pour Analyse Médicale
Applications spécialisées pour le diagnostic à partir d'images médicales comme IRM et scanners.
CNN Légers et Mobiles
Architectures optimisées comme MobileNet et SqueezeNet pour les appareils à ressources limitées.
Attention Mechanisms dans CNN
Intégration de mécanismes d'attention pour focaliser sur les régions pertinentes des images.
CNN Multi-tâches
Architectures effectuant simultanément plusieurs tâches de vision par ordinateur.