Un réseau convolutionnel apprend des motifs locaux et leur composition dans des images ou grilles de capteurs. En robotique, il peut estimer classe, position, profondeur ou état à partir d’une scène.
On entraîne un réseau convolutionnel avec des images ou mesures représentatives, des annotations cohérentes, une séparation stricte des jeux, une perte adaptée et une évaluation sur les conditions réelles de perception.
Déployer un réseau convolutionnel embarqué demande de vérifier mémoire, calcul, température, latence, synchronisation et précision après optimisation, puis de l’intégrer derrière des limites de perception et de commande.
Pour éviter qu’un réseau convolutionnel déclenche une action erronée, on sépare perception et commande, vérifie sortie et contexte, borne les actions, surveille l’incertitude et conserve un arrêt indépendant.
On entraîne un réseau convolutionnel avec des images annotées et des transformations qui représentent les variations attendues, sans inventer des cas non réalistes.