Réseau neuronal convolutif (CNN)

Un réseau neuronal convolutif (CNN) est un type de modèle d'apprentissage profond particulièrement bien adapté à l'analyse de l'imagerie visuelle. Les CNN s'inspirent de l'organisation du cortex visuel animal et sont conçus pour apprendre automatiquement et de manière adaptative des hiérarchies spatiales de caractéristiques à partir d'images d'entrée. Ils sont devenus une pierre angulaire dans le domaine de la vision par ordinateur, suscitant des avancées dans diverses applications, de la classification d'images et de la détection d'objets à des tâches plus complexes telles que la segmentation d'images et l'analyse de vidéos.

Concepts clés des CNN

Les CNN reposent sur plusieurs concepts fondamentaux qui leur permettent d'offrir de puissantes capacités de traitement d'images. À la base, les CNN utilisent des couches convolutives pour balayer les images d'entrée avec de petits filtres, en extrayant les caractéristiques pertinentes tout en préservant leurs relations spatiales. Ces filtres, appris au cours de la formation, détectent des motifs tels que les bords, les textures et les formes.

Les couches de mise en commun sont un autre composant essentiel, qui réduit les dimensions spatiales des cartes de caractéristiques produites par les couches de convolution. Ce processus de déséchantillonnage permet de réduire la complexité informatique et d'assurer un certain degré d'invariance de la traduction, ce qui signifie que le réseau peut reconnaître les caractéristiques quel que soit leur emplacement précis dans l'image.

Les fonctions d'activation introduisent la non-linéarité dans le réseau, ce qui permet aux CNN d'apprendre des relations complexes et non linéaires au sein des données. Les fonctions d'activation courantes comprennent ReLU (Rectified Linear Unit), qui permet d'atténuer le problème du gradient de fuite et d'accélérer l'apprentissage.

Structure d'un CNN

L'architecture typique d'un CNN se compose d'une série de couches convolutives et de couches de mise en commun, suivies d'une ou plusieurs couches entièrement connectées. Les couches convolutives effectuent l'extraction des caractéristiques, tandis que les couches de mise en commun réduisent la dimensionnalité. Les couches entièrement connectées, semblables à celles des réseaux neuronaux traditionnels, classent ensuite les caractéristiques extraites en différentes catégories.

L'entrée d'un CNN est généralement une image multicanal (par exemple, RVB), et chaque couche de convolution applique un ensemble de filtres pouvant être appris à cette entrée, produisant un ensemble de cartes de caractéristiques. Ces cartes de caractéristiques passent ensuite par une fonction d'activation et souvent par une couche de mise en commun avant d'être introduites dans la couche convolutive suivante. Ce traitement hiérarchique permet aux CNN d'apprendre des caractéristiques de plus en plus complexes à chaque couche.

Applications des CNN

Les CNN ont révolutionné divers domaines grâce à leur capacité à traiter et à interpréter les données visuelles. Voici deux applications importantes dans le monde réel :

Classification des images

La classification des images consiste à attribuer une étiquette à une image entière. Les CNN ont atteint des performances de pointe dans cette tâche, en classant avec précision les images dans des catégories prédéfinies. Par exemple, un CNN peut être entraîné à faire la distinction entre différents types d'animaux, de véhicules ou de conditions médicales dans les images. Cette capacité est utilisée dans diverses applications, telles que le diagnostic médical automatisé, le marquage de contenu dans les médias sociaux et le contrôle de la qualité dans la fabrication.

Détection d'objets

La détection d'objets va au-delà de la classification en identifiant non seulement les objets dans une image mais aussi en les localisant à l'aide de boîtes de délimitation. Ultralytics YOLO (You Only Look Once) est une architecture populaire qui utilise les CNN pour la détection d'objets en temps réel. YOLO divise une image en une grille et prédit les boîtes de délimitation et les probabilités de classe pour chaque cellule de la grille. Cette approche permet une détection rapide et précise, ce qui la rend adaptée à des applications telles que la conduite autonome, les systèmes de surveillance et la gestion des stocks. En savoir plus sur les architectures de détection d'objets.

Distinguer les CNN des autres réseaux neuronaux

Bien que les CNN soient un type de réseau neuronal, ils diffèrent considérablement d'autres architectures telles que les réseaux neuronaux récurrents (RNN) et les perceptrons multicouches (MLP).

• MLP : Ce sont des réseaux entièrement connectés où chaque neurone d'une couche est connecté à chaque neurone de la couche suivante. Bien qu'ils soient efficaces pour diverses tâches, les MLP sont très coûteux en termes de calcul pour les données à haute dimension comme les images et ne tirent pas profit de la structure spatiale inhérente aux données visuelles.
• RNN : Ils sont conçus pour traiter des données séquentielles en maintenant un état caché qui capture les informations des entrées précédentes. Les RNN sont bien adaptés à des tâches telles que le traitement du langage naturel et l'analyse des séries temporelles, mais ils sont moins efficaces pour les données d'image où les relations spatiales sont cruciales.

Les CNN, en revanche, sont spécifiquement conçus pour exploiter la structure spatiale des images grâce à des couches de convolution et de mise en commun. Cette spécialisation les rend très efficaces pour les tâches de vision par ordinateur.

Progrès et outils

Le domaine des CNN est en constante évolution, les recherches en cours débouchant sur de nouvelles architectures et techniques. L'apprentissage par transfert, où des modèles préformés sont affinés pour des tâches spécifiques, est devenu une pratique courante, réduisant le besoin de grands ensembles de données étiquetées et d'un temps de formation important. En savoir plus sur l'apprentissage par transfert.

Des outils comme Ultralytics HUB fournissent des plateformes pour former et déployer des modèles CNN, ce qui simplifie le processus de développement. En outre, des cadres comme PyTorch et TensorFlow offrent un soutien solide pour la construction et l'entraînement des CNN, avec des bibliothèques étendues et des ressources communautaires. En savoir plus sur la reconnaissance d'images.

Pour ceux qui souhaitent en savoir plus sur les architectures CNN, des ressources telles que "Deep Learning with Python" de François Chollet et des articles académiques sur Google Scholar fournissent des connaissances approfondies. Pour mieux comprendre comment les CNN se comparent aux autres réseaux neuronaux, le glossaire deUltralytics propose des comparaisons détaillées.