Traitement d'image I : Réseaux neuronaux convolutionnels

Cette séance de cours couvre les bases des réseaux neuronaux convolutionnels (RCN) pour le traitement de l'image, en commençant par une introduction aux neurones artificiels et aux architectures de réseaux neuronaux. L'instructeur explique les propriétés de composition des CNN, y compris les opérateurs de convolution multicanaux et les non-linéarités ponctuelles. Des aspects pratiques tels que la mise en commun, la dénigrement et la segmentation sont également discutés. La séance de cours s'inscrit dans le modèle formel des neurones, le formalisme basé sur l'opérateur, et la couche convolutionnelle en détail. De plus, le concept de couches convolutionnelles à valeur vectorielle et les propriétés de composition des opérateurs non linéaires sont explorés. La séance de cours se termine par une discussion sur les propriétés de la composition dans les réseaux neuraux profonds, mettant l'accent sur la préservation de la linéarité. Divers exemples et applications sont présentés tout au long de la séance de cours.