⚙️ Simulateur : Opération de Convolution & Carte de caractéristiques
F(i,j) = f(∑ K(u,v) · I(i+u, j+v))
IMAGE D'ENTRÉE
KERNEL (FILTRE FIXE)
Zero-Padding (p = 1)
pixel réel
marge fixe de l'image (0)
padding de l'algorithme (0)
Le même kernel glisse sur toute l'image en réutilisant ses coefficients (partage des poids). Chaque image est déjà entourée d'une marge fixe de 1 pixel de fond (zéros, contour pointillé ambre), isolant la forme sur les quatre côtés. Choisissez une image et un kernel fixe ci-dessus, puis utilisez ◀ ▶ ou "Auto" pour parcourir le champ réceptif — la Feature Map à droite est remplie cellule par cellule, dans le même ordre où la convolution est calculée (les cellules non encore visitées apparaissent comme "···").
📌 La sortie F(i,j) provient du champ réceptif entre (i,j) et (i+2,j+2) ; son centre réel est (i+1,j+1) — 1 ligne et 1 colonne en dessous/à droite de l'indice utilisé pour étiqueter la cellule, toujours dans les deux directions. Ce décalage n'est visible que sur l'axe où le kernel différencie l'image (c'est pourquoi le Sobel V semble décalé seulement sur le côté, et le Sobel H, seulement vers le bas).
Activation à f(z)
🔍 Calcul détaillé dans le champ réceptif actuel
z = 0.00 → y = ReLU(z) = 0.00
Description : Figure 9.4: Simulateur interactif de la couche convolutive : choisissez entre trois images d’entrée 12×12 (maison, visage souriant ou visage triste) pour observer comment les mêmes noyaux fixes réagissent à différentes contours et formes. Naviguez dans le champ réceptif avec les boutons ou la lecture automatique, ajustez la fonction d’activation et alternez le zero-padding, en suivant la carte de caractéristiques révélée cellule par cellule, avec le calcul détaillé terme à terme et la formule de la dimension de sortie en temps réel.