Bonjour,
Je m’interroge sur la taille du kernel dans une convolution. Dans tous les exemples que l’on peut voir les dataset sont composés d’image carrées (souvent de dimensions 28x28 ou 32x32), cependant les images ne sont pas souvent carrées ou alors on se retrouverait avec des déformations.
Ma question est la suivante, peut-on appliquer une convolution (Conv2D pour le cas d’une image) avec un kernel qui n’est pas carré? Dans ce cas, quel serait le type de filtre appliqué?
Merci d’avance
Bonjour Sophie,
C’est une bonne question. On utilise des kernels carrés car c’est ceux qui s’adaptent le mieux aux différents features que nous souhaitons détecter, sans avoir besoin de connaissances à priori.
Si vous utilisez des images rectangulaires, on utilise également des kernels carrés et les couches types Conv2D acceptent ce genre de format, attention cependant aux dimensions de sortie de chacune de vos couches.
On peut dans l’absolu utiliser des kernels non carrés, mais ce n’est recommandé que pour des tâches très particulières, pour des images hexagonales par exemple.
En espérant avoir répondu à votre question, bonne journée.
Merci pour ce retour, c’est très clair.