〰️ Convolution — Comment les Filtres Transforment les Signaux

La réponse impulsionnelle h(t) est la sortie que produit un système lorsque son entrée est une seule impulsion unitaire (une impulsion de Dirac, ou un simple pic dans les systèmes discrets). Comme tout signal arbitraire peut être décomposé en une somme d'impulsions mises à l'échelle et décalées dans le temps, la sortie pour toute entrée est simplement la convolution de cette entrée avec la réponse impulsionnelle. Cela signifie que connaître h caractérise entièrement tout système LTI — microphones, amplificateurs, pièces, et filtres numériques.

La convolution est omniprésente : les logiciels de retouche photo l'appliquent pour le flou gaussien, la netteté et la détection de contours ; les stations de travail audio l'utilisent pour la réverbération (en convoluant l'audio sec avec la réponse impulsionnelle d'une pièce) ; les ingénieurs en communications sans fil modélisent la distorsion de canal avec elle ; les radiologues l'utilisent dans la reconstruction CT et IRM ; et les frameworks d'apprentissage profond construisent les couches de réseaux de neurones convolutifs directement sur la convolution 2D discrète. Même le filtre de lissage de l'accéléromètre de votre montre connectée est une convolution.

Oui — c'est le théorème de convolution. Si F et G sont les transformées de Fourier de f et g, alors la transformée de Fourier de f*g est simplement F fois G (multiplication point par point). C'est pourquoi la transformée de Fourier rapide (FFT) rend les grandes convolutions considérablement plus rapides : au lieu de O(N²) opérations de multiplication-addition dans le domaine temporel, la convolution basée sur la FFT ne prend que O(N log N) étapes. Le flou gaussien de votre application photo et les filtres FIR du matériel audio exploitent ce fait.

Pas nécessairement. Un noyau plus large moyenne ou intègre sur une plus grande partie du signal, ce qui réduit le bruit et lisse les bords — mais il étale aussi les détails fins et retarde les filtres causaux (comme le noyau d'écho exponentiel) de davantage d'échantillons. Choisir la largeur du noyau est un compromis entre la suppression du bruit et la résolution. En traitement d'image, un flou excessif détruit la texture ; en audio, des traînes de réverbération excessives réduisent l'intelligibilité. La bonne largeur dépend entièrement de l'application.

La forme intégrale de la convolution est apparue dans l'analyse du 18e siècle, avec des contributions d'Euler, Laplace et Cauchy dans le contexte des équations différentielles et des transformées intégrales. Le lien avec la transformée de Fourier a été établi par Joseph Fourier au début du 19e siècle. L'application technique aux filtres linéaires a été systématisée par Oliver Heaviside à la fin des années 1800 puis par Claude Shannon et Norbert Wiener au milieu du 20e siècle dans le cadre de la théorie de l'information et de la cybernétique.

L'intercorrélation (f star g)(t) = intégrale de f(tau) * g(t + tau) d-tau est presque identique à la convolution mais sans le retournement du noyau. Quand f = g (autocorrélation), elle mesure l'auto-similarité à différents décalages. Dans la mise en correspondance de motifs et la reconnaissance de formes, l'intercorrélation localise où un modèle correspond le mieux à un signal. Convolution et intercorrélation ne diffèrent que par le signe du décalage ; pour des noyaux symétriques (comme une gaussienne) elles produisent des résultats identiques. Les simulations associées incluent Transformée de Fourier, Filtrage Passe-Bas / Passe-Haut, et Réponse Impulsionnelle.

Dans un CNN, chaque couche convolutive applique un petit noyau 2D (par exemple 3x3 ou 5x5 pixels) à une carte de caractéristiques d'entrée en utilisant la somme de convolution discrète. Les poids du noyau ne sont pas conçus à la main — ils sont appris à partir des données via la rétropropagation. Empiler de nombreuses couches de ce type permet au réseau d'apprendre des caractéristiques hiérarchiques : des contours dans la couche 1, des textures dans la couche 2, des parties d'objets dans la couche 3, et ainsi de suite. La même opération mathématique qui floute une photo ou fait écho à un son est donc aussi le moteur derrière les classificateurs d'images, les détecteurs d'objets et les systèmes de reconnaissance vocale.

Les directions de recherche actives incluent : les convolutions séparables en profondeur (utilisées dans MobileNet) pour réduire le calcul des CNN sur les appareils mobiles ; les réseaux de convolution sur graphes qui étendent la convolution à des données irrégulières, non euclidiennes, telles que les graphes sociaux et les structures moléculaires ; les bancs de filtres apprenables ou adaptatifs qui changent la forme du noyau pendant l'inférence ; et les algorithmes de convolution quantique qui pourraient offrir des accélérations super-polynomiales par rapport à la FFT classique pour certaines tailles de problèmes. En traitement du signal, les méthodes d'approximation parcimonieuse (compressed sensing) exploitent la structure de convolution pour récupérer des signaux à partir de bien moins de mesures que ne l'exige traditionnellement le taux de Nyquist.