Réseau neuronal convolutif

On appelle réseau neuronal convolutif, ou réseau de neurones à convolution, (CNN pour Convolutional Neural Network) un type de réseau de neurones artificiels utilisé dans la reconnaissance et le traitement des images, et spécialement conçu pour l'analyse des pixels.

Les réseaux convolutifs sont une puissante application de l'intelligence artificielle (IA) au traitement des images, qui s'appuie sur l'apprentissage profond pour effectuer des tâches descriptives et génératives. Ils exploitent souvent la vision artificielle, notamment la reconnaissance de la vidéo et des images, les systèmes de recommandation et le traitement automatique du langage naturel (TAL,TLN, ou NLP en anglais).

Un réseau de neurones est un système logiciel ou matériel qui est calqué sur le fonctionnement des neurones humains. Sous leur forme classique, les réseaux neuronaux se prêtent mal au traitement des images, car celles-ci leur sont transmises à résolution réduite.

Dans les CNN, les « neurones » sont disposés comme ceux du lobe frontal, siège du traitement des stimuli visuels chez l'homme et d'autres animaux. Les couches de neurones sont organisées de façon à couvrir tout le champ visuel afin d'éviter le problème du traitement d'images fragmentées des réseaux neuronaux classiques.

Un CNN utilise un système comparable au perceptron multicouche, mais conçu pour réduire le nombre de calculs. La structure d'un CNN consiste en une succession de couches : une couche d'entrée, une couche de sortie et une couche cachée composée de nombreuses couches convolutives, couches de regroupement, couches entièrement connectées et couches de normalisation.

La suppression des restrictions et la meilleure efficacité du traitement des images ont mené à un système bien plus efficace, plus facile à entraîner quant au traitement automatique des images et des langues.