Lec 15: CNN Model Architectures - II

Ce cours offre une introduction solide aux architectures CNN avancées, avec des explications claires sur les motivations et les mécanismes de DenseNet, MobileNet et EfficientNet. La valeur pédagogique est élevée : le professeur décompose des concepts complexes comme les connexions denses et les convolutions séparables en profondeur, en les illustrant par des schémas et des exemples chiffrés. L’argumentation est structurée et suit une progression logique, chaque architecture étant présentée avec ses avantages et ses compromis. La rigueur scientifique est globalement bonne, mais on note quelques approximations dans les formules (par exemple, le nombre de multiplications pour la convolution standard est présenté de manière confuse) et des erreurs de transcription qui peuvent prêter à confusion. Les sources ne sont pas explicitement citées dans la vidéo, mais les architectures sont bien connues et publiées dans des articles de référence (DenseNet, MobileNet, EfficientNet). L’adéquation entre le titre et le contenu est parfaite. En résumé, ce cours est une ressource précieuse pour les étudiants en apprentissage profond, malgré quelques imperfections de présentation.

Le titre est précis et correspond exactement au contenu : la deuxième partie du cours sur les architectures de modèles CNN.

8/10

Cours académique de niveau universitaire, présenté par un professeur de l'IIT Guwahati, avec des explications détaillées et des références à des architectures publiées (DenseNet, MobileNet, EfficientNet). Les concepts sont présentés avec rigueur, mais la transcription contient des erreurs de transcription et des approximations dans les formules.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction au cours et présentation des trois architectures : DenseNet, MobileNet, EfficientNet.
• 00:30Définition de DenseNet : connexions directes entre chaque couche et toutes les couches suivantes dans un bloc dense.
• 02:00Explication de la formule du nombre de connexions dans DenseNet : L(L+1)/2.
• 05:00Présentation de l'architecture globale de DenseNet : couche de convolution initiale, blocs denses, couches de transition, couche de classification.
• 10:00Introduction à MobileNet et à son objectif : être efficace sur les appareils à ressources limitées.
• 12:00Explication de la convolution séparable en profondeur : convolution en profondeur suivie d'une convolution ponctuelle.
• 15:00Comparaison du coût de calcul entre la convolution standard et la convolution séparable en profondeur.
• 20:00Introduction à EfficientNet et au scaling composé : ajustement uniforme de la profondeur, de la largeur et de la résolution.
• 25:00Conclusion et résumé des avantages de chaque architecture.

• Cours NPTEL : Generative AI for Computer Vision — Page du cours dont cette vidéo fait partie.
• Playlist YouTube du cours — Playlist contenant l'ensemble des vidéos du cours.

• DenseNet paper — Article original de DenseNet, source primaire des concepts présentés.
• MobileNet paper — Article original de MobileNet, source primaire des concepts présentés.
• EfficientNet paper — Article original d'EfficientNet, source primaire des concepts présentés.