Receptive Field

Dans le domaine de la computer vision (CV) et du deep learning, le champ réceptif désigne la région spécifique d'une image d'entrée qu'un neurone particulier dans un neural network (NN) « voit » ou analyse. Sur le plan conceptuel, il fonctionne de manière similaire au champ de vision d'un 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. Au fur et à mesure que les données progressent dans un Convolutional Neural Network (CNN), le champ réceptif s'élargit généralement, permettant au système de passer de l'identification de minuscules détails locaux — comme des bords ou des coins — à la compréhension de structures globales complexes telles que des objets entiers ou des scènes.

Les mécanismes des champs récepteurs#

La taille et la profondeur du champ réceptif sont dictées par l'architecture du réseau. Dans les couches initiales, les neurones ont généralement un petit champ réceptif, se concentrant sur un minuscule groupe de pixels pour capturer des textures fines. À mesure que le réseau s'approfondit, des opérations telles que les pooling layers et les strided convolutions permettent de downsample efficacement les cartes de caractéristiques. Ce processus permet aux neurones suivants d'agréger des informations provenant d'une portion beaucoup plus large de l'entrée d'origine.

Les architectures modernes, y compris le modèle de pointe Ultralytics YOLO26, sont conçues pour équilibrer ces champs méticuleusement. Si le champ réceptif est trop étroit, le modèle peut ne pas reconnaître les grands objets car il ne peut pas percevoir toute la forme. Inversement, si le champ est excessivement large sans maintenir la résolution, le modèle risque de rater de petits objets. Pour remédier à cela, les ingénieurs utilisent souvent des dilated convolutions (également appelées convolutions atrous) pour élargir le champ réceptif sans réduire la résolution spatiale, une technique essentielle pour les tâches de haute précision comme la semantic segmentation.

Applications concrètes#

L'optimisation du champ réceptif est essentielle pour le succès de diverses AI solutions.

• Conduite autonome : En AI for automotive, 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 distants, tout en nécessitant simultanément un grand champ réceptif pour comprendre la trajectoire d'un camion proche ou la courbure de la voie de circulation. Cette perception multi-échelle garantit une meilleure AI safety et une meilleure prise de décision.
• Diagnostics médicaux : Lors de l'application de l'AI in healthcare, les radiologues s'appuient sur des modèles pour repérer des anomalies dans les examens. Pour identifier les brain tumors, le réseau nécessite un grand champ réceptif pour comprendre la symétrie globale et la structure du cerveau. Cependant, pour détecter des micro-calcifications en mammographie, le modèle s'appuie sur des couches précoces dotées de petits champs réceptifs sensibles aux changements de texture subtils.

Distinguer les concepts apparentés#

Pour bien comprendre la conception de réseau, il est utile de différencier le champ récepteur de termes similaires :

• Champ réceptif vs Kernel : 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 représentant la zone d'entrée totale accumulée affectant un neurone. Un empilement de plusieurs noyaux 3x3 entraînera un champ réceptif bien plus grand que 3x3.
• Champ réceptif vs Feature Map : Une carte de caractéristiques est le volume de sortie produit par une couche, contenant les représentations apprises. Le champ réceptif décrit la relation entre un point unique de cette carte de caractéristiques et l'image d'entrée d'origine.
• Champ réceptif vs Context Window : Bien que les deux termes fassent référence à la portée des données perçues, la « fenêtre de contexte » est généralement utilisée dans le Natural Language Processing (NLP) ou l'analyse vidéo pour désigner un intervalle temporel ou séquentiel (par exemple, la limite de jetons). Le champ réceptif fait strictement référence à la zone spatiale dans des données de type grille (images).

Utilisation pratique dans le code#

Les modèles de pointe tels que le plus récent YOLO26 utilisent des réseaux de pyramides de caractéristiques (FPN) pour maintenir des champs réceptifs efficaces pour les objets de toutes tailles. L'exemple suivant montre comment charger un modèle et effectuer une object detection, en exploitant automatiquement ces optimisations architecturales internes. Les utilisateurs souhaitant entraîner leurs propres modèles avec des architectures optimisées peuvent utiliser la Ultralytics Platform pour une gestion transparente des jeux de données et 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()