Académique Documents
Professionnel Documents
Culture Documents
Elle est utilisée pour sous échantillonner les cartes de caractéristiques. C'est à dire les
réduire en préservant les caractéristiques dominantes. Elle utilise des techniques
telles la mise en commun maximale la plus populaire, minimale, moyenne, fermée et
d'arbres. On détermine le max des valeurs d'une partie de la carte caractéristique
choisie selon la taille de la région de regroupement(f) afin d'obtenir une carte
d'entités. La taille de celle ci est donnée par H|W=(h|w- f)/s. Par contre elle peut
diminuer les performances de CNN car elle détermine la présence sans se soucier de
la position.
LA FONCTION D'ACTIVATION
Elle décide du déclenchement d'un neurone en mappant l'entrée à la sortie. Elle est utilisé dans
les couches d'activation situées après les couches apprenables(convolutionnels et FC) et permet
d'apprendre des choses complexes et de façon non linéaire. Par contre elle doit être différentiable
pour permettre la rétropropagation des erreurs afin de former le modèle. Celles utilisés sont:
Sigmoïdes (sortie de 0 à 1; formule 1/1+e^-x),
Tanh (sortie de -1 à 1; formule e^x-e^-x/e^x+e^-x),
ReLu ( utilité linéaire de redressement qui nécessite une charge de calcul minimal; ne compte
pas les entrées négatives; formule max(0,x)). Il a plusieurs variantes à cause du Dying ReLU.
Ex: Leaky ReLU: il a pour formule x si x positif et mx si x négatif (m est une constante de petite
valeur appelée facteur d fuite), Noisy ReLU de formule max(x+y) avec y N(0,sigma(x)), unité
linéaire paramétrique.
LA COUCHE ENTIEREMENT CONNECTEE
Ici chaque neurone est connecté à chaque neurone de la couche précédente. Les
couches FC prennent les cartes caractéristiques pour en faire un vecteur puis généré
la sortie finale de CNN.
LA FONCTION DE PERTE
Elle calcule l'erreur de prédiction du CNN pour la couche de sortie. Elle utilise la
sortie estimée et la sortie réelle. Il en existe plusieurs types:
-La fonction Cross-Entropy ou Soft-Max Loss
-La fonction de perte euclidienne
-La fonction de perte charnière
LE PROCESSUS DE FORMATION DE CNN 1