Aire de jeu convolution et cartes de caractéristiques

Des cartes de caractéristiques convolutionnelles sont générées au moyen de produits scalaires matriciels localisés traversant un tenseur d'entrée multidimensionnel. L'opération extrait les hiérarchies spatiales en appliquant des filtres discrets invariants par traduction. L'ajustement de la foulée et du rembourrage modifie les dimensions du tenseur résultantes de manière déterministe, en suivant des formules algébriques strictes. Cette extraction mathématiquement efficace de données structurelles minimise l’espace des paramètres, établissant ainsi la base informatique d’une reconnaissance de formes sophistiquée au sein d’architectures neuronales profondes.

Une convolution fait glisser une petite grille de nombres, le noyau, sur l'image. À chaque position, elle multiplie les valeurs qui se recouvrent et les additionne en un seul pixel de sortie. Le résultat est une carte de caractéristiques qui s'éclaire là où le motif du noyau apparaît. Essayez ici le noyau de détection de contours : les zones uniformes s'assombrissent et les frontières s'illuminent, car le noyau réagit au changement, pas à la luminosité elle-même.

L'opération que presque tout CNN appelle « convolution » est en fait une corrélation croisée. La vraie convolution mathématique retourne d'abord le noyau de haut en bas et de gauche à droite avant de le faire glisser ; les bibliothèques d'apprentissage profond omettent ce retournement. Comme le réseau apprend de toute façon les poids, un noyau retourné serait simplement appris à l'envers et donnerait un résultat identique, d'où la persistance de cette appellation erronée. Avec un noyau symétrique comme le flou, les deux sont indiscernables.