Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Convolution 2D
Opération mathématique appliquant un filtre sur une image pour extraire des caractéristiques locales en calculant la somme pondérée des pixels voisins.
Kernel (Filtre)
Matrice de poids glissante sur l'image d'entrée pour détecter des motifs spécifiques comme les contours, textures ou formes géométriques.
Stride
Paramètre déterminant le déplacement du filtre sur l'image, contrôlant la résolution spatiale de la feature map de sortie.
Padding
Ajout de pixels autour des bords de l'image pour préserver les dimensions spatiales et permettre l'application complète des filtres sur les bords.
Feature Map
Carte de caractéristiques générée après l'application d'un filtre, représentant la présence et l'intensité d'un motif détecté dans l'image.
Max Pooling
Opération de sous-échantillonnage sélectionnant la valeur maximale dans chaque région pour réduire la dimensionnalité tout en conservant les caractéristiques les plus saillantes.
Average Pooling
Technique de réduction dimensionnelle calculant la moyenne des valeurs dans chaque région, préservant une information globale plus douce que le max pooling.
Dilated Convolution
Convolution avec espacement entre les poids du filtre, augmentant le champ récepteur sans augmenter le nombre de paramètres.
Depthwise Convolution
Opération appliquant un filtre séparé à chaque canal d'entrée, réduisant considérablement le nombre de paramètres tout en préservant l'information spatiale.
Pointwise Convolution
Convolution 1x1 combinant les canaux de sortie de la depthwise convolution pour créer de nouvelles caractéristiques par combinaison linéaire.
Separable Convolution
Décomposition d'une convolution standard en depthwise et pointwise convolutions, optimisant l'efficacité computationnelle et mémoire.
Transposed Convolution
Opération inverse de la convolution utilisée pour l'upsampling, reconstruisant des dimensions spatiales supérieures à partir de feature maps.
Receptive Field
Zone de l'image d'entrée influençant l'activation d'un neurone particulier, augmentant avec la profondeur du réseau neuronal.
Grouped Convolution
Division des canaux en groupes pour appliquer des convolutions indépendamment, réduisant les calculs et permettant l'apprentissage de représentations diversifiées.
Spatial Pyramid Pooling
Technique pooling à plusieurs échelles générant des feature maps de taille fixe indépendamment des dimensions d'entrée.
Channel Attention
Mécanisme pondérant l'importance de chaque canal de feature map, permettant au réseau de se concentrer sur les caractéristiques les plus pertinentes.
Spatial Attention
Module générant une carte de poids spatiaux pour mettre en évidence les régions importantes de la feature map tout en ignorant les zones non pertinentes.
Deformable Convolution
Extension de la convolution standard où les offsets d'échantillonnage sont appris, permettant une adaptation géométrique flexible aux formes d'objets.