Receptive Field

Dans le domaine de la vision par ordinateur (CV) et de l'apprentissage profond, le champ réceptif désigne la région spécifique d'une image d'entrée qu'un neurone particulier d'un réseau de neurones (NN) « voit » ou analyse. Conceptuellement, il fonctionne de manière similaire au champ de vision de l'œil humain ou d'un objectif d'appareil photo. Il détermine la quantité de contexte spatial qu'un modèle peut percevoir à une couche donnée. À mesure que les données progressent dans un réseau de neurones convolutif (CNN), le champ réceptif s'élargit généralement, permettant au système de passer de l'identification de détails locaux minuscules, comme les contours ou les coins, à la compréhension de structures complexes et globales, comme des objets ou des scènes entiers.

Mécanismes des champs réceptifs#

La taille et la profondeur du champ réceptif sont déterminées par l'architecture du réseau. Dans les premières couches, les neurones ont généralement un petit champ réceptif et se concentrent sur un minuscule groupe de pixels afin de capturer des textures fines. À mesure que le réseau s'approfondit, des opérations telles que les couches de pooling et les convolutions à pas effectuent efficacement un sous-échantillonnage des cartes de caractéristiques. Ce processus permet aux neurones des couches suivantes d'agréger des informations provenant d'une portion beaucoup plus importante de l'entrée d'origine.

Les architectures modernes, notamment Ultralytics YOLO26, à la pointe de la technologie, sont conçues pour équilibrer ces champs avec précision. Si le champ réceptif est trop étroit, le modèle peut ne pas reconnaître les objets de grande taille, car il ne peut pas en percevoir la forme entière. À l'inverse, si le champ est excessivement large sans conserver la résolution, le modèle risque de manquer les petits objets. Pour résoudre ce problème, les ingénieurs utilisent souvent des convolutions dilatées (également appelées convolutions atrous) afin d'élargir le champ réceptif sans réduire la résolution spatiale, une technique essentielle pour les tâches de haute précision comme la segmentation sémantique.

Applications concrètes#

L'optimisation du champ réceptif est essentielle à la réussite de diverses solutions d'IA.

• Conduite autonome : Dans le domaine de l'IA pour l'automobile, les systèmes de perception doivent suivre simultanément des détails infimes et de grands obstacles. Un véhicule a besoin d'un petit champ réceptif pour identifier des feux de circulation éloignés, tout en nécessitant un grand champ réceptif pour comprendre la trajectoire d'un camion proche ou la courbure de la voie. Cette perception multi-échelle améliore la sécurité de l'IA et la prise de décision.
• Diagnostic médical : Lorsqu'ils appliquent l'IA dans le domaine de la santé, les radiologues s'appuient sur des modèles pour repérer les anomalies sur les examens. Pour identifier les tumeurs cérébrales, le réseau a besoin d'un grand champ réceptif pour comprendre la symétrie et la structure globales du cerveau. En revanche, pour détecter les microcalcifications en mammographie, le modèle s'appuie sur les premières couches, dotées de petits champs réceptifs sensibles aux changements subtils de texture.

Distinction entre concepts connexes#

Pour bien comprendre la conception des réseaux, il est utile de distinguer le champ réceptif de termes similaires :

• Champ réceptif vs. noyau : La taille du noyau (ou filtre) définit les dimensions de la fenêtre glissante (par exemple, 3x3) pour une seule opération de convolution. Le champ réceptif est une propriété émergente qui représente la zone d'entrée totale accumulée influençant un neurone. Une succession de plusieurs noyaux 3x3 produit un champ réceptif bien plus grand que 3x3.
• Champ réceptif vs. carte de caractéristiques : Une carte de caractéristiques est le volume de sortie produit par une couche, qui contient les représentations apprises. Le champ réceptif décrit la relation entre un point donné de cette carte de caractéristiques et l'image d'entrée d'origine.
• Champ réceptif vs. fenêtre de contexte : Bien que les deux termes désignent l'étendue des données perçues, la « fenêtre de contexte » est généralement utilisée en traitement automatique du langage naturel (NLP) ou dans l'analyse vidéo pour désigner une étendue temporelle ou séquentielle (par exemple, la limite de tokens). Le champ réceptif désigne strictement la zone spatiale de données organisées en grille (les images).

Utilisation pratique dans le code#

Les modèles à la pointe de la technologie, comme le YOLO26 plus récent, utilisent des réseaux pyramidaux de caractéristiques (FPN) afin de maintenir des champs réceptifs efficaces pour les objets de toutes tailles. L'exemple suivant montre comment charger un modèle et effectuer une détection d'objets, en tirant automatiquement parti de ces optimisations architecturales internes. Si tu souhaites entraîner tes propres modèles avec des architectures optimisées, tu peux utiliser la plateforme Ultralytics pour gérer facilement tes jeux de données et effectuer un entraînement dans le cloud.

from ultralytics import YOLO

# Load the latest YOLO26 model with optimized multi-scale receptive fields
model = YOLO("yolo26n.pt")

# Run inference; the model aggregates features from various receptive field sizes
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results, detecting both large (bus) and small (person) objects
results[0].show()