Réseaux convolutifs pour la vision

Objectif : comprendre convolution, canaux, pooling et champ réceptif.

Une couche dense ignore la structure spatiale et multiplie vite les paramètres. Une convolution applique le même petit noyau à toutes les positions. Ce partage de poids exploite la localité et réduit fortement le nombre de paramètres.

Pour une entrée C_in × H × W, un noyau C_out × C_in × K × K contient C_out(C_in K² + 1) paramètres avec biais, indépendamment de la taille de l'image.

from torch import nn

features = nn.Sequential(
    nn.Conv2d(3, 32, kernel_size=3, padding=1),
    nn.BatchNorm2d(32),
    nn.ReLU(),
    nn.MaxPool2d(2),
    nn.Conv2d(32, 64, kernel_size=3, padding=1),
    nn.ReLU(),
    nn.AdaptiveAvgPool2d((1, 1)),
)