Un réseau de neurones convolutif (CNN, Convolutional Neural Network) est une architecture d'apprentissage profond inspirée du cortex visuel : au lieu d'examiner chaque pixel isolément, il fait glisser de petits filtres sur l'image pour repérer des motifs locaux — bords, textures, puis formes de plus en plus abstraites. C'est l'architecture qui a fait basculer la vision par ordinateur dans l'ère moderne.
Comment ça marche
Le cœur du CNN est l'opération de convolution : un filtre (ou noyau) parcourt l'image et calcule, à chaque position, un produit scalaire local. Pour une entrée $I$ et un noyau $K$ :
$$ (I * K)(i,j) = \sum_{m}\sum_{n} I(i+m,\, j+n)\, K(m,n) $$
Trois idées clés rendent l'architecture efficace :
- Partage de poids : le même filtre s'applique partout, ce qui réduit drastiquement le nombre de paramètres.
- Localité : chaque neurone ne regarde qu'une petite région (son champ récepteur).
- Invariance par translation : un motif est reconnu quelle que soit sa position.
Les couches typiques
| Couche | Rôle |
|---|---|
| Convolution | Extraire des motifs via les filtres |
| Activation (ReLU) | Introduire la non-linéarité |
| Pooling | Réduire la résolution, gagner en robustesse |
| Entièrement connectée | Combiner les caractéristiques pour décider |
En empilant ces couches, le réseau apprend une hiérarchie : les premières couches détectent des bords, les dernières des objets complets (un visage, une voiture).
À quoi ça sert
Les CNN dominent la classification d'images, la détection d'objets, l'imagerie médicale et la reconnaissance faciale. Ils inspirent aussi des architectures plus récentes.
Le CNN a appris aux machines à regarder une image comme un tout structuré, et non comme une grille de chiffres.