Ah punaise, 4éme vidéo que je regarde sur les CNN et c'est véritablement la première que je comprends en totalité. Merci beaucoup pour ces explications!
@CNRS-FIDLE Жыл бұрын
Avec plaisir 🙂
@stephanelelievre32462 жыл бұрын
un expert doublé d'un grand sens pédagogique, merci !
@CNRS-FIDLE2 жыл бұрын
Merci beaucoup !
@jordanepreto3456 Жыл бұрын
Je commençais à désespérer de trouver une vidéo claire sur les réseaux convolutifs mais votre cours a répondu à toutes mes interrogations. Merci beaucoup, c'est excellent!
bravo pour ces explications détaillées...et claires !
@CNRS-FIDLE3 жыл бұрын
Merci !
@izzycoco8184 Жыл бұрын
Je vous remercie grandement pour vos explications de très très très hautes qualités, je m'abonne!!👍
@CNRS-FIDLE Жыл бұрын
Merci beaucoup !
@jesuschristii8839 Жыл бұрын
Je découvre votre chaine et je vous dis merci! Ma seule frustration, alors que je prenais des notes, anticipais des éléments du powerpoint en mettant sur pause pour voir si j'arrivais à les comprendre avant que l'explication ne soit donnée (ma méthode pour mieux mémoriser), et que je me retrouvais comme plongé dans un amphi il y a de nombreuses années, fut de ne pas pouvoir aller voir mon prof en fin de séance pour pouvoir l'interroger sur toutes les questions que ces informations peuvent impliquer chez un élève curieux et intéressé... Bref, ceci est un compliment car pour satisfaire cette frustation, je n'ai d'alternative que d'enchainer avec la video suivante ^^
@jesuschristii8839 Жыл бұрын
(Je ne résiste pas malgré tout.... électronicien de formation à une époque de transition entre une électronique analogique et ses développements numériques, de la (dé) convolution analogique, je connais.... Mais j'en suis resté sur ce plan analogique. Je comprends que la matrice donnée en exemple 1 0 1/0 1 0/1 0 1 doit etre à l'image des masques que l'on peut appliquer en traitement d'un signal numérique linéaire en électronique, mais j'avoue que de penser autrement que sur autre chose que du f(temps) ou autres unités linéaires me perturbent un peu.... Question bonux: d'ou vient cette matrice? Peut on en faire une interprétation tangible en regard d'une convolution analogique? :-)
@CNRS-FIDLE Жыл бұрын
courage
@khenissiraoudha8809 Жыл бұрын
merci beaucoup, très bonnes explications
@CNRS-FIDLE Жыл бұрын
Merci beaucoup !
@jalilboyketou61653 ай бұрын
Merci énormément pour cette, enfin je comprends les CNN
@CNRS-FIDLE2 ай бұрын
Super ! merci pour votre retour !!
@ltoure16 Жыл бұрын
Merci beaucoup pour ces explications.
@CNRS-FIDLE Жыл бұрын
Merci !
@user-rb3fr2dd3g8 ай бұрын
Merci beaucoup pour cette vidéo très claire !
@CNRS-FIDLE6 ай бұрын
Merci beaucoup pour votre retour !
@nizniz2 жыл бұрын
Très bien expliqué, merci beaucoup!
@CNRS-FIDLE2 жыл бұрын
Merci beaucoup !
@bortexshort7811 Жыл бұрын
Excellente vidéo, quelle pédagogie !!!!!
@CNRS-FIDLE Жыл бұрын
Merci beaucoup pour votre retour !
@samuelhouri3725 Жыл бұрын
Bravo, très efficace !
@CNRS-FIDLE Жыл бұрын
Merci à vous
@programmation6994 ай бұрын
Merci beaucoup ❤
@bertrandyann34103 ай бұрын
Cool! 👍
@CNRS-FIDLE2 ай бұрын
Thanks for the visit
@emmanuelrouxfr3 жыл бұрын
Hello, il y a petite erreur sur la diapo où l'on compte le nombre de paramètres (entre 15"30 et 17''01) : Number of parameters for a **fully connected layer**. Le compte pour un neurone convolutif est à la diapo suivante, et pour une couche de neurones convolutifs à la diapositive encore après. Encore une fois bravo pour ces explications !
@CNRS-FIDLE3 жыл бұрын
Merci pour cette précision !
@safaebelkhyr48623 жыл бұрын
très bonne explication
@CNRS-FIDLE3 жыл бұрын
Merci !
@sgrape86952 жыл бұрын
Super vidéos !
@CNRS-FIDLE2 жыл бұрын
Merci beaucoup !
@djiraikinantitembayedonald30094 ай бұрын
Bonjour!! Y'a un truc qui me dérange un peu. En fait les réseaux convolutionnels ont pour objectif premier d'extraire les caractéristiques des images. Cela dit, les couches denses ne sont normalement pas obligatoires (puisqu'elles font la classification). J'aimerais savoir comment voir les caractéristiques extraites à partir d'un CNN là et si possible appliquer un autre modèle (par exemple régression logistique) pour faire la classification
@CNRS-FIDLE2 ай бұрын
Désolé pour cette réponse tardive... ...et oui, un CNN va apprendre à extraire des caractéristiques des images, qui seront ensuite utilisées par une seconde partie de réseau, telle que des couches denses, qui pourront effectuer une prédiction (regression) ou une classification. Il est bien sûr possible de récupérer la valeur des plans convolutifs, mais leur interprétabilité n'est généralement pas évidente...
@nabilasoltani8813 Жыл бұрын
Svp. Comment vous avez realiser la video. Technique ment. Cad, de mettre ke formateur en premier plan et les diapo en arriere
@CNRS-FIDLE Жыл бұрын
Nous utilisons le logiciel OBS, open source et référence en la matière :-)
@salimabdelkader8236 Жыл бұрын
Merci pour cette belle leçon. Comment passe-t-on de 3 images RVB à une seule après convolution (de Input layer à Convolutional layers) ? Je vous remercie par avance pour votre réponse.
@CNRS-FIDLE Жыл бұрын
Cela est possible grâce à l'utilisation d'un kernel de dimension adapté. Un neurone convolutif peut ainsi prendre n plans en entrée, en utilisant par exemple un kernel de taille nx3x3. Il génèrera en sortie un plan convolutif unique.
@ouafaebenaissi85712 жыл бұрын
merciiiiiiiiiii❤
@CNRS-FIDLE2 жыл бұрын
Merci !
@aymaneanedame56192 жыл бұрын
Explication succincte
@CNRS-FIDLE2 жыл бұрын
Il ne s'agit que d'une introduction aux CNN et pas d'un cours complet... et rien que pour les CNN, il faudrait bien des heures en plus !
@juniorkolie69052 жыл бұрын
Merciiiiiiii
@CNRS-FIDLE2 жыл бұрын
:-)
@drm81645 ай бұрын
15:59 voulez-vous dire Gamma au lieu de sigma ? merci
@CNRS-FIDLE5 ай бұрын
Non, il s'agit d'une somme pondérée, il est donc question d'un "sigma" :-) N'hésitez pas à consulter les versions plus récentes de cette partie sur notre chaine !