Convolutional Neural Network (CNN)

Un réseau de neurones convolutifs (CNN) est une architecture d'apprentissage profond spécialisée conçue pour traiter des données dotées d'une topologie semblable à une grille, notamment les images numériques. Inspirés par la structure biologique du cortex visuel, les CNN possèdent la capacité unique de préserver les relations spatiales au sein des données d'entrée. Contrairement aux réseaux de neurones traditionnels qui aplatissent une image en une longue liste de nombres, les CNN analysent de petites régions se chevauchant d'une image pour apprendre automatiquement des hiérarchies de caractéristiques — des simples bords et textures aux formes et objets complexes. Cette capacité en fait la technologie fondamentale derrière les systèmes modernes de vision par ordinateur (CV).

Comment fonctionnent les réseaux de neurones convolutifs#

La puissance d'un CNN réside dans sa capacité à réduire une image complexe en une forme plus facile à traiter sans perdre les caractéristiques essentielles à une bonne prédiction. Cela est réalisé grâce à une chaîne de couches distinctes qui transforment le volume d'entrée en une classe ou une valeur de sortie :

• Couche de convolution : Il s'agit du composant de base essentiel. Elle utilise un ensemble de filtres (ou noyaux) apprenables qui glissent sur l'image d'entrée comme une lampe de poche. À chaque position, le filtre effectue une opération mathématique appelée convolution, créant une carte de caractéristiques qui met en valeur des motifs spécifiques tels que des lignes horizontales ou des dégradés de couleurs.
• Fonction d'activation : Après la convolution, une fonction non linéaire est appliquée à la sortie. Le choix le plus courant est le ReLU (Rectified Linear Unit), qui convertit les valeurs de pixels négatives en zéro. Cela introduit de la non-linéarité, permettant au réseau d'apprendre des motifs complexes au-delà de simples relations linéaires.
• Couche de pooling (sous-échantillonnage) : Également connue sous le nom de sous-échantillonnage, cette couche réduit la dimensionnalité des cartes de caractéristiques. Des techniques telles que le max pooling conservent uniquement les caractéristiques les plus importantes (les valeurs les plus élevées) dans une région, ce qui réduit la charge de calcul et aide à prévenir le surapprentissage (overfitting).
• Couche entièrement connectée (Fully Connected Layer) : Au stade final, les caractéristiques traitées sont aplaties et injectées dans un réseau de neurones (NN) standard. Cette couche utilise les caractéristiques de haut niveau identifiées par les couches précédentes pour effectuer une classification ou une prédiction finale, telle que "chat" ou "chien".

Applications concrètes#

Les CNN ont transformé les industries en automatisant les tâches visuelles avec une précision surhumaine.

• Diagnostics médicaux : Dans le secteur de la santé, les CNN aident les radiologues en identifiant les anomalies dans les examens médicaux plus rapidement que l'œil humain. Par exemple, les modèles d'apprentissage profond analysent les examens IRM et CT pour détecter les premiers signes de tumeurs ou de fractures. La recherche portant sur l'IA en radiologie met en évidence la manière dont ces outils améliorent la cohérence et la vitesse des diagnostics.
• Systèmes autonomes : Les voitures autonomes dépendent fortement des CNN pour percevoir leur environnement. Des modèles tels que YOLO26 utilisent des dorsales (backbones) CNN efficaces pour effectuer la détection d'objets en temps réel, identifiant les piétons, les panneaux de signalisation et les autres véhicules pour prendre des décisions de conduite en une fraction de seconde.

CNN vs Vision Transformers (ViT)#

Bien que les CNN soient depuis longtemps la norme pour les tâches de vision, une architecture plus récente appelée le Vision Transformer (ViT) a fait son apparition.

• Les CNN traitent les images à l'aide de caractéristiques locales et sont extrêmement efficaces sur des jeux de données plus petits en raison de leur "biais inductif" (ils supposent que les pixels voisins sont liés). Ils excèlent dans les scénarios nécessitant une inférence en temps réel sur des appareils périphériques (edge devices).
• Les ViT découpent les images en patchs et les traitent à l'aide de mécanismes globaux d'auto-attention (self-attention). Cela leur permet de capturer des dépendances à long terme à travers une image, mais nécessite généralement des ensembles de données massifs et plus de puissance de calcul pour un entraînement efficace.

Exemple d'implémentation#

Les bibliothèques modernes simplifient l'utilisation de modèles basés sur les CNN. Le package ultralytics donne accès à des modèles de pointe tels que YOLO26, qui intègrent des architectures CNN hautement optimisées pour une inférence rapide.

L'exemple suivant démontre comment charger un modèle CNN pré-entraîné et effectuer une prédiction :

from ultralytics import YOLO

# Load a YOLO26 model, which uses an advanced CNN architecture
model = YOLO("yolo26n.pt")

# Run inference on an image to identify objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the prediction results
results[0].show()

Outils de développement#

Le développement de CNN est pris en charge par un écosystème robuste d'outils open-source. Les ingénieurs utilisent généralement des frameworks tels que PyTorch ou TensorFlow pour concevoir des architectures personnalisées. Ces bibliothèques fournissent les opérations sur tenseurs de bas niveau requises pour la convolution et la rétropropagation (backpropagation).

Pour les équipes cherchant à rationaliser le cycle de vie des projets de vision par ordinateur — de la collecte de données au déploiement —, l'Ultralytics Platform propose une solution complète. Elle simplifie les flux de travail complexes, permettant aux développeurs de se concentrer sur l'application des CNN pour résoudre des problèmes métiers plutôt que sur la gestion de l'infrastructure. De plus, les modèles peuvent être exportés vers des formats tels que ONNX ou TensorRT pour un déploiement haute performance sur des appareils périphériques.