Karteikarten: Introduction aux réseaux convolutifs en vision par ordinateur — 18 Karten

Images numériques — représentation ?

Matrices de nombres

Pixels en gris vs couleur ?

Une valeur d’un côté, plusieurs canaux de l’autre

Résolution — définition ?

Nombre de pixels, détail de l’image

Profondeur de couleur — rôle ?

Gamme de couleurs ou nuances

Extraction manuelle — méthode ?

Filtres prédéfinis, règles fixes

Apprentissage automatique — avantage ?

Extraction automatique de caractéristiques pertinentes

Convolution — opération ?

Filtrage local par déplacement d’un noyau

Cartes de caractéristiques — rôle ?

Représentations spatiales des motifs détectés

CNN — structure ?

Couches convolutionnelles, pooling, fully connectées

Opération de convolution — paramètre clé ?

Taille du filtre, stride, padding

Cartes de caractéristiques — importance ?

Localisent motifs, enrichissent la représentation

Classification CNN — étape ?

Utilise caractéristiques pour attribuer une classe

Architecture CNN — adaptation ?

Selon tâche, profondeur, filtres, modules

Détection d’objets — tâche ?

Localiser et identifier objets dans image

Solutions naïves en détection — exemple ?

Balayage de fenêtres

Limites solutions naïves ?

Coût élevé, faible précision, peu robuste

R-CNN — principe ?

Propositions de régions + CNN pour détection

Faster R-CNN — innovation ?

RPN intégré, détection plus rapide et précise