Les réseaux convolutifs sont une forme très répandue de réseaux neuronaux artificiels, dédiés à la reconnaissance d’images et au traitement du langage naturel. A l’aide d’exemples concrets, nous allons expliquer le cheminement du processus depuis la décomposition d’une source (image), jusqu’à sa reconnaissance finale, en insistant sur les points clés : kernel, slide, padding, filtrage, la convolution proprement dite qui est une fonction mathématique, le pooling ou simplification des matrices et flattening, la mise à plat finale.
Les capsules de Hinton sont une évolution des réseaux de deep learning. Une capsule embarque tous les éléments caractéristiques d’un objet, la « pose » : sa position, taille et orientation, luminosité et déformation par rapport à une représentation idéale.