Convolution : la grille 3×3 où commence la vision des machines
Dessine une forme et regarde un minuscule filtre 3×3 trouver ses contours, la flouter ou la rendre plus nette. C'est l'opération exacte qui fait tourner les réseaux de neurones convolutifs.
Cette semaine, la machine apprend à voir. Le perceptron a tracé une ligne, le babilleur de Markov a compté des mots, et le morpion a exploré un arbre de jeu. Le jouet du jour fait ce que tout modèle d’images fait en premier : il filtre les pixels.
Le gadget ci-dessous est un terrain de jeu de convolution. Dessine quelque chose dans la case de gauche (ou appuie sur Charger la démo), choisis un filtre et regarde la case de droite se mettre à jour. Chaque filtre est une minuscule grille 3×3 de nombres appelée noyau. La machine fait glisser ce noyau sur chaque pixel, multiplie les neuf voisins par les neuf nombres, additionne le tout et écrit le résultat. Cette seule opération, répétée sur toute l’image, c’est la convolution.
Essaie ceci :
- Laisse le filtre sur Contours et charge la démo. Les formes pleines se réduisent à leurs simples contours. Le filtre réagit au changement : les zones plates deviennent sombres, les bords s’illuminent.
- Passe à Flou, Netteté ou Relief et regarde le même dessin se transformer. La petite grille au centre est exactement le calcul appliqué.
- Dessine ton propre gribouillis et vois ce que chaque filtre garde et ce qu’il jette.
Pourquoi les contours comptent
Trouver des contours paraît modeste, mais c’est le fondement de la vision par ordinateur. Un contour est là où quelque chose change, et les objets sont surtout faits de contours. Empile de nombreux filtres de convolution : les premiers détectent les contours, les suivants combinent les contours en coins et textures, et les derniers en assemblent des yeux, des roues ou des chats.
L’idée qui s’est réveillée en 2012
La convolution en traitement d’images a des décennies. Ce qui a changé, c’est l’échelle. En 2012, AlexNet a empilé des couches convolutives sur des GPU et a écrasé le concours ImageNet, inaugurant l’ère de l’apprentissage profond. En dessous, c’est le même geste que tu fais ici : un petit noyau de réseau de neurones qui balaie une image. La nuance : un vrai réseau n’utilise pas des noyaux choisis à la main comme ceux-ci. Il apprend les neuf nombres à partir des données, des millions de fois.
Ainsi, l’humble grille 3×3 est là où commence la vision des machines. Tu dessines ; le filtre décide de ce qui mérite l’attention.
Tu as manqué les éditions précédentes ? Entraîne un perceptron, regarde une chaîne de Markov babiller ou perds contre le morpion invincible.