Aller au contenu
Omnikalc

Calculateur de champ réceptif

Saisissez le nombre de couches de convolution identiques, la taille du noyau, le pas et une taille cible pour obtenir le champ réceptif, le saut entre sorties et le nombre de couches nécessaire pour couvrir la cible.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

px

Valeur hors limites

Résultats

Champ réceptif

63 px

Saut entre sorties voisines
32 px
Couches nécessaires pour atteindre la cible
7
Une profondeur raisonnable
Part de la cible couverte
28,1 %
Pixels manquants pour atteindre la cible
161 px

Le calculateur de champ réceptif donne le champ réceptif d’un empilement de couches de convolution identiques, le saut entre sorties voisines et le nombre de couches nécessaire pour couvrir une taille cible.

Comment se fait le calcul

  • Saisissez le nombre de couches, la taille du noyau et le pas.
  • Saisissez le champ réceptif visé, par exemple la taille de l’image.
  • Le calculateur donne le champ réceptif, le saut, les couches nécessaires, la part couverte et les pixels manquants.

Exemple

5 couches avec des noyaux 3×3 et un pas de 2 donnent un champ de 1 + 2 × (1 + 2 + 4 + 8 + 16) = 63 pixels, et deux sorties voisines sont distantes de 32 pixels. Pour voir toute une image de 224 pixels, il faut 7 couches de ce type. Avec un pas de 1, les mêmes noyaux en demanderaient environ 112.

Pourquoi c’est utile

Le calculateur aide les étudiants et les ingénieurs qui conçoivent des réseaux convolutifs pour des images, du son ou des séries temporelles et qui doivent vérifier que le modèle voit assez de contexte pour la tâche.

À savoir

Le calcul suppose le même noyau et le même pas dans chaque couche. Pour un vrai réseau, le champ se construit couche par couche : il grandit de (K − 1) fois le saut accumulé, et le saut est multiplié par le pas. Les convolutions dilatées élargissent le champ sans perdre de résolution, et la dilatation peut remplacer le pas. Les couches de regroupement agissent comme des pas. Les grands noyaux, l’attention et le regroupement global donnent un champ qui couvre toute l’entrée d’un coup. En segmentation ou en détection, un champ plus petit que les objets à reconnaître est un signal d’alerte. Souvenez-vous que le remplissage ne change pas la taille du champ, seulement les bords.

Outils liés

Le calculateur de couche de convolution donne les tailles de sortie, celui du nombre de paramètres d’un réseau de neurones couvre les couches denses, celui de densité de pixels relie pixels et écrans et ceux de logarithme aident pour le taux de croissance.

Questions fréquentes

Qu’est-ce qu’un champ réceptif ?

C’est la région de l’image d’entrée qui peut influencer une unité d’une couche. Une seule convolution 3×3 voit 3 pixels dans chaque direction, et chaque couche supplémentaire élargit la vue, si bien que des petits noyaux empilés finissent par voir une grande zone.

Quelle est la formule pour des couches identiques ?

Pour L couches de noyau K et de pas S, le champ vaut 1 + (K − 1) × (1 + S + S² + … + S^(L−1)). Avec un pas de 1, il croît linéairement, de K − 1 par couche, et avec un pas de 2 il croît de façon exponentielle, ce qui explique l’efficacité des couches à pas et du regroupement.

Le champ effectif est-il plus petit ?

Oui. Les recherches montrent que l’influence dans le champ théorique n’est pas uniforme : les pixels centraux pèsent beaucoup plus que les bords, donc le champ réceptif effectif est plus petit, souvent une fraction du champ théorique. Considérez le résultat comme une borne supérieure.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.