On applique à une image 28×28 à 1 canal une convolution avec un filtre 5×5 (pas 1, sans remplissage), puis un max-pooling 2×2 (pas 2). Quelles sont la hauteur et la largeur de la sortie ?

Réponse : A. 12×12

La taille de sortie d'une convolution vaut (N + 2P − F) ÷ S + 1, où N est la taille de l'entrée, F celle du filtre, P le remplissage (padding) et S le pas (stride). (28 + 0 − 5) ÷ 1 + 1 = 24 : après la convolution, on obtient 24×24. Le max-pooling 2×2 avec un pas de 2 ne garde qu'une valeur maximale par zone de 2×2, ce qui divise la hauteur et la largeur par deux : 12×12. Le pooling n'a pas de paramètres entraînables ; il réduit la taille des données et les calculs, et rend le réseau moins sensible aux petits décalages de position.