« Couche de sous-échantillonnage » : différence entre les versions
m (Remplacement de texte — « ==Définition== » par « ==Définition== ») |
Aucun résumé des modifications |
||
| (10 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des | Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des [[représentation|représentations]] par [[sous-échantillonnage]]. | ||
==Français== | ==Français== | ||
'''couche de sous-échantillonnage''' | '''couche de sous-échantillonnage''' | ||
'''couche de réduction''' | |||
'''couche de compression''' | |||
==Anglais== | ==Anglais== | ||
'''pooling layer''' | '''pooling layer''' | ||
==Sources== | |||
Source: Damien Fourure. ''Réseaux de neurones convolutifs pour la segmentation sémantique et l’apprentissage d’invariants de couleur''. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université de Lyon, 2017. Français. NNT : 2017LYSES056 . | Source: Damien Fourure. ''Réseaux de neurones convolutifs pour la segmentation sémantique et l’apprentissage d’invariants de couleur''. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université de Lyon, 2017. Français. NNT : 2017LYSES056 . | ||
| Ligne 23 : | Ligne 19 : | ||
[[Utilisateur:Patrickdrouin | Source: Termino]] | [[Utilisateur:Patrickdrouin | Source: Termino]] | ||
[[Category:Intelligence artificielle]] | |||
[[Category:Apprentissage profond]] | |||
[[Catégorie:Publication]] | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | |||
Version du 30 mars 2025 à 04:42
Définition
Couche d'un réseau convolutif permettant d'ajouter de l'invariance spatiale tout en réduisant la dimension des représentations par sous-échantillonnage.
Français
couche de sous-échantillonnage
couche de réduction
couche de compression
Anglais
pooling layer
Sources
Source: Damien Fourure. Réseaux de neurones convolutifs pour la segmentation sémantique et l’apprentissage d’invariants de couleur. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université de Lyon, 2017. Français. NNT : 2017LYSES056 .
source: Claude Coulombe, Datafranca.org
Source: Remi Delassus. Apprentissage automatique pour la détection d’anomalies dans les données ouvertes : application à la cartographie. Traitement des images [eess.IV]. Université de Bordeaux, 2018. Français. NNT : 2018BORD0230 . tel-02100741
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki
